一種基于分解-聚合策略的卷煙感官智能評估系統技術方案

本發明專利技術開發了一種基于分解-聚合策略的卷煙感官智能評估系統，該系統將卷煙智能感官評估中涉及的多分類問題分解成多個便于建模的兩分類問題，然后對每個子問題分別建立分類器，接著采用聚合策略將兩類分類器組合成多分類器。該系統預測精度明顯高于經典的多分類器，運用本發明專利技術的系統，可以為卷煙企業在新產品的開發和產品維護過程中，輔助卷煙感官評估專家進行卷煙感官評估。

【技術實現步驟摘要】

本專利技術涉及數據挖掘及專家評吸領域，具體涉及一種基于分解-聚合策略的卷煙感官智能評估系統
技術介紹
在卷煙生產過程中，很難針對煙草的物理化學指標與卷煙的感官質量的復雜關系建立起有效的數學模型，因此在煙草及其制品的新產品開發和產品維護過程中，主要通過品煙專家的人工感官評吸對卷煙產品感官質量指標進行評價。顯然，這種完全依賴人工反復評吸的生產方式會極大地影響評價結果的效率性，無法滿足企業對生產快速性的要求。為了解決評吸過程中主觀性強、效率低下的問題，學者們開始使用數據挖掘的方法來對卷煙感官質量進行評價，力求從大量煙草數據中提取出物理化學指標和感官質量的映射規則，以輔助或代替品煙專家完成對卷煙的感官預測評價。當前主要以BP神經網絡方法或支持向量機方法來解決成品卷煙的智能化感官評估問題。然而，卷煙感官評估歷史數據復雜，卷煙感官質量具有多個類別，涉及多分類問題，而現有的分類器在處理多分類問題時往往不能獲得預期的效果。將多分類問題分解成一對一的兩分類問題是數據挖掘領域針對解決多分類問題的有效途徑。因此，本專利技術利用數據挖掘技術結合卷煙感官評估實踐，將卷煙智能感官評估中涉及的多分類問題分解成多個便于建模的兩分類問題，然后對每個子問題分別建立分類器，接著采用聚合策略將兩類分類器組合成多分類器。具體地，本專利技術采用三種不同的分類器建立兩分類模型，包括決策樹，神經網絡和支持向量機；采用多種聚合策略組合兩類分類器，包括投票法，加權投票法，學習權值偏好法，非支配準則，基于距離加權法以及動態搜索法。該專利技術的創新點可以歸納為以下幾點：(1)本專利技術將卷煙智能感官評估中涉及的多分類問題分解成多個便于建模的兩分類子問題，可以有效解決多分類問題模型復雜，難于求解的問題；(2)本專利技術采用多種聚合策略組合兩類分類器，從而建立多分類器。(3)本專利技術設計了完整的實驗來驗證該策略的有效性。實驗結果表明，相比較于經典的多分類器，采用本專利技術的策略，不管采用何種基本分類器，其預測精度都明顯高于經典的多分類器。因此，運用本專利技術的系統，可以為卷煙企業在新產品的開發和產品維護過程中，輔助卷煙感官評估專家進行卷煙感官評估。
技術實現思路
針對現有研究和實際應用中存在的問題，本專利技術設計了一種基于分解-聚合策略的卷煙感官智能評估系統本專利技術的技術方案是：基于分解-聚合策略的卷煙感官智能評估系統，具體包括以下步驟：步驟1：采集成品煙感官待評估數據，即卷煙化學成分指標；卷煙化學成分指標包括：總糖量、還原糖、煙堿量、總揮發堿、總氮量、煙堿氮、蛋白質、施木克值、氮堿比、含氯量、含鉀量、糖堿比、氨態堿；步驟2：對成品卷煙的感官評估結果進行離散化處理，獲得卷煙感官質量的分類問題數據集；步驟3：利用基于分解-聚合的多分類方法建立卷煙感官質量評估模型；所述基于分解-聚類的多分類方法建立的卷煙感官質量評估模型為：根據成品煙感官評估的歷史數據，根據感官指標的數據特點(類別數)獲得多個成對的兩分類問題，再針對每個子問題，利用數據挖掘技術建立分類器，最后采用聚合方法將子分類器組合成多分類器；所述感官質量指標包括：光澤、香氣、雜氣、刺激、余味；步驟4：得到卷煙感官質量評估結果。針對未知樣本，每個分類器給出預測結果，獲得分值表，然后采用聚合策略將兩分類器組合成多分類器，輸出預測結果，本專利技術采用的聚合策略包括Vote,WV,LVPC,ND,DRCW和DCS；本專利技術的有益效果如下：本專利技術基于分解-聚合的多分類方法預測卷煙感官質量，幫助煙草企業建立智能感官評估系統。對于卷煙設計專家，可以利用本專利技術的方法，將卷煙配方的物化指標作為模型的輸入變量，模型將自動輸出卷煙各個感官指標的分值，可以較高精度地預測卷煙的感官質量，幫助卷煙設計專家在卷煙產品的開發和設計中進行更好的決策。本專利技術所提的分解-聚合策略能夠有效地處理智能感官評吸中多分類問題。相比較于基本的分類器，分解-聚合策略能夠取得更好的預測精度，因此該方法可以幫助煙草企業在進行智能感官評估中提高工作效率，幫助煙草企業科學高效地進行產品維護和新產品開發。附圖說明圖1是本專利技術中具體實施方式的分解策略的示例圖圖2是本專利技術中實驗驗證中各感官指標值分布情況圖3是本專利技術中實驗驗證中效果比較圖(CART)圖4是本專利技術中實驗驗證中效果比較圖(BPNN)圖5是本專利技術中實驗驗證中效果比較圖(SVM)具體實施方式下面結合附圖對本專利技術的具體實施方式做詳細說明。根據成品煙感官評估的工藝要求和質量要求，本實施方式基于總糖量、還原糖、煙堿量、總揮發堿、總氮量、煙堿氮、蛋白質、施木克值、氮堿比、含氯量、含鉀量、糖堿比、和氨態堿這13種物理化學指標作為輸入變量；基于光澤、香氣、雜氣、刺激、余味五種感官評吸指標作為輸出變量建立基于分解-聚合的多分類方法的卷煙感官質量評估模型并進行了實驗驗證。本實施方式建立基于分解-聚合策略的卷煙感官智能評估系統，包括如下步驟：步驟1：采集成品煙感官待評估數據，即卷煙物化指標數據和相應的感官指標數據；卷煙物化指標包括：總糖量、還原糖、煙堿量、總揮發堿、總氮量、煙堿氮、蛋白質、施木克值、氮堿比、含氯量、含鉀量、糖堿比、氨態堿；感官指標包括：光澤、香氣、雜氣、刺激、余味；步驟2：對歷史數據進行預處理，包括輸入變量的歸一化處理和輸出變量的離散化處理；步驟3：利用基于分解-聚合的多分類方法建立卷煙感官質量評估模型；所述基于分解-聚類的多分類方法建立的卷煙感官質量評估模型為：根據成品煙感官評估的歷史數據，根據感官指標的數據特點(類別數)獲得多個成對的兩分類問題，再針對每個子問題，利用數據挖掘技術建立分類器，最后采用聚合方法將子分類器組合成多分類器；所述感官質量指標包括：光澤、香氣、雜氣、刺激、余味；所述的基于分解-聚合的多分類方法建立卷煙感官質量評估模型按如下步驟建立：步驟3-1：采集成品煙感官評估的歷史數據，建立卷煙感官質量評估訓練數據樣本集；卷煙感官質量評估訓練數據樣本集包括卷煙化學成分指標和感官評吸指標的專家評分結果；所述卷煙感官質量評估數據樣本集中的感官評吸指標的專家評分結果是由多個專家打分后求平均值得到的。收集來自煙草企業的卷煙專家人工感官評估的成品煙感官評估的歷史數據以建立進行分類預測的卷煙感官質量評估訓練數據樣本集，對歷史數據進行整理，刪除一些重復的或是存在缺失的數據，最后所得到的每一組歷史數據均包括13種化學本文檔來自技高網...

【技術保護點】
一種基于分解?聚合策略的卷煙感官智能評估系統，其特征在于，包括以下幾個步驟：基于分解?聚合策略的卷煙感官智能評估系統，具體包括以下步驟：步驟1：采集成品煙感官待評估數據，即卷煙化學成分指標；卷煙化學成分指標包括：總糖量、還原糖、煙堿量、總揮發堿、總氮量、煙堿氮、蛋白質、施木克值、氮堿比、含氯量、含鉀量、糖堿比、氨態堿；步驟2：對成品卷煙的感官評估結果進行離散化處理，獲得卷煙感官質量的分類問題數據集；步驟3：利用基于分解?聚合的多分類方法建立卷煙感官質量評估模型；所述基于分解?聚類的多分類方法建立的卷煙感官質量評估模型為：根據成品煙感官評估的歷史數據，根據感官指標的數據特點(類別數)獲得多個成對的兩分類問題，再針對每個子問題，利用數據挖掘技術建立分類器，最后采用聚合方法將子分類器組合成多分類器；所述感官質量指標包括：光澤、香氣、雜氣、刺激、余味；步驟4：得到卷煙感官質量評估結果。針對未知樣本，每個分類器給出預測結果，獲得分值表，然后采用聚合策略將兩分類器組合成多分類器，輸出預測結果，采用的聚合策略包括Vote,WV,LVPC,ND,DRCW和DCS。

【技術特征摘要】
1.一種基于分解-聚合策略的卷煙感官智能評估系統，其特征在于，包括以下幾個步
驟：
基于分解-聚合策略的卷煙感官智能評估系統，具體包括以下步驟：
步驟1：采集成品煙感官待評估數據，即卷煙化學成分指標；
卷煙化學成分指標包括：總糖量、還原糖、煙堿量、總揮發堿、總氮量、煙堿氮、蛋白質、
施木克值、氮堿比、含氯量、含鉀量、糖堿比、氨態堿；
步驟2：對成品卷煙的感官評估結果進行離散化處理，獲得卷煙感官質量的分類問題數
據集；
步驟3：利用基于分解-聚合的多分類方法建立卷煙感官質量評估模型；
所述基于分解-聚類的多分類方法建立的卷煙感官質量評估模型為：根據成品煙感官
評估的歷史數據，根據感官指標的數據特點(類別數)獲得多個成對的兩分類問題，再針對
每個子問題，利用數據挖掘技術建立分類器，最后采用聚合方法將子分類器組合成多分類
器；
所述感官質量指標包括：光澤、香氣、雜氣、刺激、余味；
步驟4：得到卷煙感官質量評估結果。針對未知樣本，每個分類器給出預測結果，獲得分
值表，然后采用聚合策略將兩分類器組合成多分類器，輸出預測結果，采用的聚合策略包括
Vote,WV,LVPC,ND,DRCW和DCS。
2.根據權利要求1所述的一種基于分解-聚合策略的卷煙感官智能評估系統，其特征在
于，步驟3所述的利用基于分解-聚合的多分類方法建立卷煙感官質量評估模型，具體是：
步驟3-1：采集成品...

【專利技術屬性】
技術研發人員：喬丹娜，雒興剛，湯建國，張忠良，廖曉祥，岳衡，汪惠，蘇明紅，徐玉瓊，拔麗，蔣新紅，楊海英，王曉輝，李中昌，
申請(專利權)人：云南中煙工業有限責任公司，
類型：發明
國別省市：云南;53