支持向量機對煙草化學成分協調性的分類應用

摘要：根據煙草化學成分的協調性分析來確定煙草的等級是非常復雜的過程，傳統上的評估方法存在主觀性等人為的缺陷。為了提高分類等級的準確性，提出了K-CV-SVM的分類模型。仿真結果表明，K-CV-SVM克服了傳統方法的缺陷，具有一定的適用性。

關鍵詞：煙草；成分；支持向量機

中圖分類號： TP391.4 文獻標志碼： A 文章編號：1002-1302（2014）07-0431-02

收稿日期：2013-10-03

基金項目：云南省教育廳科學研究基金（編號：2012C80）。

作者簡介：徐小華（1980—），男，四川南充人，碩士，講師，主要從事模式識別和計算機智能系統的研究。E-mail：969287340@qq.com。煙草是我國重要的經濟作物之一，我國的煙草種植面積和總產量均居世界第一位。隨著“21世紀是質量的世紀”口號的提出，當今煙草貿易市場上競爭的焦點已經是煙草質量的競爭，而煙草質量的優劣主要是由其化學成分的協調性來體現的[1]。煙草的主要化學成分含有多種判定指標，是一個多層次、多目標的分類關系，而且影響因素和分類等級之間存在非線性的關系。傳統的煙葉評價主要是通過人工驗級和樣煙評吸來進行的[2-4]，由于得到的數據在一定程度上會受到主觀因素的影響，因此不利于對煙葉的科學評價。支持向量機（SVM，support vector machine）是由Vapnik首先提出的，可用于模式分類和識別，如果將其用于煙草化學成分協調性的分類，則有助于提高分類的準確率，從而避免繁雜的人為因素干擾。本研究擬采用MATLAB R2012B和Libsvm軟件實現對煙草化學成分協調性的分類。

1支持向量機

4與其他模型的比較

為了說明K-CV交叉驗證法得到的結果的優劣，分別將數據歸一化后直接對數據進行測試（其svmtrain的參數為-c2，-g1，-t0）和交叉驗證法的方法作為比較模型。前者的分類準確率為93.3333%。可以看出，K-CV的模型SVM的 Accuracy 的準確率是最好的，更具有有效性，因此可以說明將基于 K-CV 模型的SVM用于對煙葉化學成分協調性的分類，提高了分類準確率，有廣泛的實用性和一定的決策性。

參考文獻：

[1]李春麗，毛紹春. 煙葉化學成分及分析[M]. 昆明：云南大學出版社，2007：1-3.

[2]羅戰勇，呂永華，李淑玲，等. 廣東省生態煙區的劃分及其煙葉質量評價[J]. 廣東農業科學，2004（1）：18-20.

[3]蔡憲杰，王信民，尹啟生. 烤煙外觀質量指標量化分析初探[J]. 煙草科技，2004，6（6）：37-39，42.

[4]葉沖，楊再波，韓偉，等. 貴州煙葉化學成分的聚類分析和綜合評價[J]. 貴州化工，2006，31（6）：17-19.

[5]魏勤，張宇霖. 基于SVM神經網絡的滬深300股指期貨的實證研究[J]. 產業與科技論壇，2012（10）：123-126.

[6]Haykin S. 神經網絡原理[M]. 葉世偉，史忠植，譯. 北京：機械工業出版社，2004：100-105.

[7]饒智勇，顏七笙. 基于SVM的農業機械化水平預測模型[J]. 廣東農業科學，2010，37（5）：203-205.

[8]曾傳華，陳紅，高云，等. 基于SVM和顏色矩的竹條顏色分級方法[J]. 湖北農業科學，2010，49（2）：455-457.

[9]高丙朋，姜波，南新元. 基于LS-SVM的番茄產量在線預測[J]. 湖北農業科學，2012，51（5）：1025-1027.

[10]史峰，王小川，郁磊，等. MATLAB神經網絡30個案例分析[M]. 北京：北京航空航天大學出版社，2010：112-121.

[11]章英，賀立源，葉穎澤，等. 基于LS-SVM的烤煙煙葉產地判別[J]. 湖北農業科學，2012，51（3）：583-585.

[12]陳光英，張千里，李星. 基于SVM分類機的入侵檢測系統[J]. 通信學報，2002，23（5）：51-56.

[13]曾建潮，介婧，崔志華. 微粒群算法[M]. 北京：科學出版社，2004：80-90.

[14]楊潔，鄭寧，劉董，等. 基于遺傳算法的SVM帶權特征和模型參數優化[J]. 計算機仿真，2008（9）：115-117，158.

[15]雷英杰，張善文，李續武，等. MATLAB遺傳算法工具箱及應用[M]. 西安：西安電子科技大學出版社，2005：80-110.

[16]程玉柱，陳勇，車軍，等. 基于Bayes與SVM的玉米彩色圖像分割新算法[J]. 江蘇農業科學，2012，40（7）：355-358.

[17]王曉紅，吳德會. 基于WLS-SVM回歸模型的電力負荷預測[J]. 微計算機信息，2008，24（4）：312-314.