文献类型：期刊文章

作　　者：杨云[1] 卢美静[1] 穆天红[2]

YANG Yun LU Meijing MU Tian-hong(College of Electrical and Information Engineering, Shaanxi University of Science Technology, Xi’an 710021,China Qinghai Agriculture and Animal Husbandry Market Information Center, Xining 810008, China)

机构地区：[1]陕西科技大学电气与信息工程学院 [2]青海省农牧业市场信息中心

出　　处：《陕西科技大学学报（自然科学版）》

基　　金：陕西省科技厅社会发展科技攻关计划项目(2015SF277;2016SF-444);陕西省科技厅科学技术研究发展计划项目(2014K15-03V06);西安市科技计划项目(NC1403(2);NC1319(1))

年　　份：2017

卷　　号：35

期　　号：1

起止页码：178-182

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：针对传统葡萄酒品质分类中低品质类葡萄酒样本识别率低的问题,提出一种基于集成支持向量机的葡萄酒品质分类优化算法.首先,通过"一对多"支持向量机实现多分类;其次,把支持向量机作为基分类器,反复训练支持向量机分类样本,通过AdaBoost得到多个支持向量机基分类器组合的强分类器,运用AdaBoost算法动态调整样本权值,适当提高低品质类样本权重,使低品质类中错判的样本代价增大,从而改进不平衡样本分类性能;最后,以Wine Quality数据集为研究对象,建立以多分类器优化集成为核心的葡萄酒品质分类模型.仿真结果表明,与传统的SVM算法相比,所提方法显著提高了低品质类葡萄酒分类精度.

关 键 词：分类  支持向量机 集成学习  葡萄酒品质 不平衡数据

分 类 号：TP391]