基于回归函数估计SVM的卷烟内在质量指标评估方法

摘要

本发明提供的一种基于回归函数估计SVM的卷烟内在质量指标评估方法，是以卷烟的样本数据为基础，建立利用回归函数估计的SVM模型，然后利用上述SVM模型对待测卷烟内在质量进行评估。本发明利用相关性分析方法，进行特征参数的选择，降低输入参数的个数，从而也进一步降低了对样本数据的需求量，利用SVM在有限样本情况下学的优良特性，在小样本情况下也能达到比较高的评估预测准确度，从而减少人工评吸量，降低企业的检测费用，很适于在烟草行业推广应用。

主权项

1、一种基于回归函数估计SVM的卷烟内在质量指标评估方法，其特征在于，以卷烟的样本数据为基础，建立利用回归函数估计的SVM模型，然后利用上述SVM模型对待测卷烟内在质量进行评估，所述建立回归函数估计的SVM模型是通过如下步骤实现的：1)首先将各种卷烟的理化指标、烟气分析指标和评吸结果，录入数据库；2)然后利用零值/空值判断或超出最大最小值范围判断剔除错误或特异样本，并对样本数据进行标准化或归一化处理；3)按卷烟类型或者理化特性的不同对上一步得到的数据分组并命名，利用相关系数求解或主成分分析的相关性分析方法对每个待评估的质量指标进行特征参数选择，保留主要影响参数，剔除次要影响参数，从而确定各个待评估、预测指标的理化指标输入参数项；4)选择高斯型函数或多项式函数作为支持向量机的核函数；采用不敏感损失函数ε，并利用交叉验证法或留一法确定支持向量机的核函数参数γ和正则化参数项C；5)将标准化后的样本数据送入回归函数估计支持向量机中进行学习、训练得到其支持向量和各支持向量的系数αi，从而形成SVM模型；6)将上一步建成的SVM模型的各项参数信息、支持向量信息以及各系数存储到数据库中，对待测卷烟内在质量进行评估通过下列步骤实现：a)输入待测卷烟样本数据；b)对上述样本数据进行标准化或归一化处理；c)对上述步骤b)得到的各项数据利用相关系数求解或主成分分析的相关性分析方法进行筛选，保留主要的影响参数；d)根据卷烟的类型，判断上一步得到的数据所属的样本组，根据判断结果读取该类型卷烟对应的SVM模型名称；e)将步骤c)得到的数据输入上述SVM模型，即可得出感官评吸和烟气指标预测值。