基于分类算法的卷烟感官评吸指标预测方法

摘要

随着经济全球化的冲击，中国烟草业对于卷烟新产品开发的技术要求越来越高。在烟草企业的生产过程中，需要基于化学成分含量不同的烟叶原料，设计出符合产品感官质量要求的叶组配方，因此，探究卷烟化学成分与其感官质量的对应关系对于卷烟生产过程尤为重要。当前企业通过品烟专家对卷烟制品进行人工评吸得到卷烟的感官质量，显然，这种方法具有效率低下、稳定性差的缺点。基于生产实践中积累的大量历史数据，企业迫切需要对卷烟感官质量进行智能化评估的数据挖掘方法。 当前已有相关领域的专家基于单一的BP神经网络或是SVM、粗糙集等数据挖掘方法研究了卷烟的智能化感官评估方法，并取得了一定的研究成果。然而，现有方法很少使用分类算法进行预测研究;缺少多种分类算法的系统比较分析和集成学习;同时需要一个能够结合理论研究并指导企业应用的软件系统。在此基础上，本文基于H集团的提供的成品烟感官评吸历史数据，展开了基于分类算法的卷烟感官评吸指标预测方法研究，主要研究工作包括以下几个方面: (1)针对H集团的成品烟感官评吸历史数据特点对数据进行预处理，包括数据的离散化和标准化等;基于决策树ID3、决策树C4.5、k-近邻、BP神经网络、支持向量机和朴素贝叶斯六种不同的分类算法建立了成品烟感官评吸指标的预测模型;通过大量的实验对于这六种算法在成品烟感官评吸指标预测过程中的性能进行了系统的比较和分析，实验表明支持向量机方法具有最好的效果。 (2)基于前文所研究的分类算法预测模型，使用集成学习中经典的Bagging和Boosting方法构建了基于单一分类算法的集成学习预测模型;结合成品烟数据样本特点，设计了基于多种不同分类算法的MCS集成系统;通过大量的实验比较了单一分类算法与集成学习方法、不同集成学习方法之间的分类预测效果，实验证明Bagging方法对于某些方法可以获得正确率的明显提高，Boosting方法不存在提升效果甚至导致正确率降低，MCS集成系统可以得到比构成集成的全部单一分类器更好的效果。 (3)以本文研究的分类算法为基础，结合项目组当前研究成果，设计并实现了基于Matlab GUI的卷烟优化辅助决策系统，通过所构建的五个不同模块，可以完成单料烟物理化学指标——烟气指标、单料烟物理化学指标——感官评吸指标、成品烟物理化学指标——烟气指标、成品烟物理化学指标——感官评吸指标的实验和预测，并使用H集团的实际数据进行了实例验证，较好地实现了企业相关功能需求。

目录

声明

摘要

第1章绪论

1．1课题来源与选题背景

1．2课题研究的目的和意义

1．3研究目标与内容

1．4研究的技术路线与方法

1．5论文结构安排

第2章相关理论基础与研究综述

2．1卷烟感官评吸简介

2．2智能感官评估方法

2．2．1卷烟感官评估的相关研究

2．2．2类似产品的智能感官评估方法

2．3分类算法简介

2．3．1单分类器简介

2．3．2多分类器集成方法

2．4本章小结

第3章基于单一分类算法的成品烟感官评吸指标预测

3．1引言

3．2数据的整理和离散化

3．2．1成品烟数据来源及特点

3．2．2决策属性的离散化

3．2．3条件属性的离散化

3．2．4条件属性的归一化

3．3决策树ID3

3．3．1决策树ID3基本原理

3．3．2数据实验

3．4决策树C4．5

3．4．1决策树C4．5基本原理

3．4．2数据实验

3．5 k-近邻

3．5．2数据实验

3．6 BP人工神经网络

3．6．1 BP神经网络方法基本原理

3．6．2数据实验

3．7支持向量机

3．7．1支持向量机方法基本原理

3．7．2数据实验

3．8朴素贝叶斯

3．8．1朴素贝叶斯分类器基本原理

3．8．2数据实验

3．9性能评价实验及算法结果比较

3．9．1分类算法性能评价指标

3．9．2实验结果及其比较分析

3．10本章小结

第4章基于集成学习的成品烟感官评吸指标预测

4．1引言

4．2基于单一分类方法集成的预测方法

4．2．1基于Bagging的分类预测方法

4．2．2基于Boosting的分类预测方法

4．3基于多种不同分类方法集成的预测方法

4．3．1针对成品烟感官评估的MCS集成系统结构

4．3．2 MCS集成系统构建方法

4．4数据实验及其比较分析

4．4．1基于Bagging的预测模型实验

4．4．2基于Boosting的预测模型实验

4．4．3基于MCS的预测模型实验

4．5本章小结

第5章基于Matlab GUI的卷烟优化辅助决策系统设计

5．2．1系统开发环境简介

5．2．2系统的功能需求

5．2．3系统结构和模块设计

5．3用户图形界面设计

5．4软件功能的使用实例

5．5本章小结

第6章总结与展望

6．1论文工作总结

6．2未来研究工作展望

参考文献

致谢

攻读硕士期间参加课题及获奖情况