基于集成支持向量机的葡萄酒品质分类方法

作     者：杨云 卢美静 YANG Yun;LU Mei-jing

作者机构：陕西科技大学电气与信息工程学院陕西西安710021 

基　　金：陕西省科技厅科学技术研究发展计划基金项目(2014K15-03-06) 西安市科技计划基金项目(NC1403(2) NC1319(1)) 陕西省社会发展科技攻关基金项目(2015SF277) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2017年第38卷第9期

页      码：2541-2545页

摘      要：针对传统分类算法在葡萄酒品质分类中,对少样本类识别率低的问题,提出一种基于支持向量机的集成学习(AdaBoost-SVM)分类方法。利用网格搜索法对支持向量机基分类器进行建模参数优化;通过构建AdaBoost-SVM集成学习方法将多个基分类器集成,建立以多分类器优化集成为核心的品质分类模型。以UCI数据库中的Wine Quality数据集为研究对象,进行葡萄酒品质分类建模,仿真结果表明,与标准的SVM算法相比,AdaBoost-SVM方法有效提高了少样本类分类正确率、整体样本的分类精度以及泛化率。

主 题 词：分类 支持向量机 集成学习 葡萄酒品质 不平衡数据 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issnl000-7024.2017.09.044

馆 藏 号：203263070...