基于萤火虫群优化模糊聚类的烟草品质集成分类方法

摘要

烟草是制烟的主要原料，是卷烟产品的重要基础，也是我国重要的经济作物之一。对于其他很多国家和地区，烟草产业占有十分重要的地位。在烟草产业中，烟草品质的确定是一项基础性工作。依据国家烟草行业标准，科学合理的烟草评价体系和准确的烟草分级鉴定，是提高烟草产品质量的关键。
　　目前对烟草质量评价指标主要有化学成分、物理性状、外观质量和内在品质等四个方面，传统的质量判定是依靠专业人员感官评吸，其判定结果受到很多因素的影响而难以统一。近年来，随着烟草化学成分分析方法不断发展，将计算机辅助感官评价引入烟草行业，从而促进烟草质量感官评估的智能化、数字化已成为发展趋势。
　　本文主要通过对烟草相关化学成分的量化分析，提出一种新的烟草品质评价方法。主要研究内容如下：
　　1、烟草品质评价方案。通过分析烟草化学成分，确定其与烟草内在质量的联系，以及以烟草中总糖、还原糖、总氮、烟碱、蛋白质、氧化钾、氯离子的化学成分含量作为烟草品质等级主要评价指标。采用萤火虫群算法对模糊聚类算法进行改进优化，按照化学成分的差异对多组烟草样本进行分类。在此基础上，采用AdaBoost算法对多组基分类器进行迭代计算，并修改权重，形成最终的烟草品质评价方法。
　　2、萤火虫群优化的模糊聚类算法。利用模糊聚类分析算法，将包含复杂化学成分的烟草对象集合，按相似度高低聚合形成的多个类别。再采用离散型萤火虫群优化算法寻找权重因子，以及聚类中心向量，多轮迭代后得到最优解。提出具体算法步骤，给出了萤火虫位置的更新公式、个体间距离计算公式等。
　　3、AdaBoost集成分类算法。利用不同烟草测试样本的聚类结果作为基分类器，再以单个基分类器的分类误差为权重，加权得到最终的烟草品质评价方案。提出AdaBoost集成分类算法具体步骤，以及权重更新公式、权重计算公式和归一化处理公式。
　　4、烟草品质集成分类仿真与实验。提出仿真过程总体设计方案，包括仿真过程总体设计、化学成分数据库设计、算法流程图等。采用真实的烟草样本数据对萤火虫群优化模糊聚类算法，和AdaBoost集成分类算法进行仿真实验。通过实验对比的方式，对本文算法的效果进行分析。
　　研究结果表明，采用模糊聚类、萤火虫群优化算法、AdaBoost集成分类算法等技术进行烟草品质集成分类具有现实可行性，在烟草品质评价方面比较具有实用性，烟草分类结果更加高效、准确。研究成果可以在烟草质量标准的制定、烟草质量检验等领域中起到良好的辅助作用，也可以推广到产品与化学成分和感官指标有关的相关行业。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 存在问题及解决方法

1.4 论文研究内容及构成

第2章 烟草品质评价原理与方案

2.1 烟草的质量评价

2.2 烟草中的化学成分

2.3 化学成分与烟叶内在质量的关系

2.4 评价烟草内在质量的化学指标

2.5 烟草品质集成分类方法

2.6 本章小结

第3章 基于优化模糊聚类的烟草品质基类分类算法

3.1 聚类算法概述

3.2 模糊聚类分析算法

3.3 萤火虫群优化算法

3.4 基于萤火虫群优化算法的模糊聚类分析算法

3.5 本章小结

第4章 基于AdaBoost的烟草品质集成分类算法

4.1 集成分类算法概述

4.2 Boosting算法与Bagging算法简介

4.3 AdaBoost 算法理论分析

4.4 基于AdaBoost的集成分类

4.5 本章小结

第5章 系统仿真与实验

5.1 系统仿真过程

5.2 算法实现与时间复杂度分析

5.3 烟草样本数据选取

5.4 实验结果与分析

5.5 本章小结

第6章 结论与展望

6.1 结论

6.2 展望

参考文献

作者攻读学位期间的科研成果

致谢