一种基于分解-聚合策略的卷烟感官智能评估系统的制作方法
【技术领域】
[0001] 本发明涉及数据挖掘及专家评吸领域，具体涉及一种基于分解-聚合策略的卷烟 感官智能评估系统
【背景技术】
[0002] 在卷烟生产过程中，很难针对烟草的物理化学指标与卷烟的感官质量的复杂关系 建立起有效的数学模型，因此在烟草及其制品的新产品开发和产品维护过程中，主要通过 品烟专家的人工感官评吸对卷烟产品感官质量指标进行评价。显然，这种完全依赖人工反 复评吸的生产方式会极大地影响评价结果的效率性，无法满足企业对生产快速性的要求。
[0003] 为了解决评吸过程中主观性强、效率低下的问题，学者们开始使用数据挖掘的方 法来对卷烟感官质量进行评价，力求从大量烟草数据中提取出物理化学指标和感官质量的 映射规则，以辅助或代替品烟专家完成对卷烟的感官预测评价。当前主要以BP神经网络方 法或支持向量机方法来解决成品卷烟的智能化感官评估问题。
[0004] 然而，卷烟感官评估历史数据复杂，卷烟感官质量具有多个类别，涉及多分类问 题，而现有的分类器在处理多分类问题时往往不能获得预期的效果。将多分类问题分解成 一对一的两分类问题是数据挖掘领域针对解决多分类问题的有效途径。因此，本发明利用 数据挖掘技术结合卷烟感官评估实践，将卷烟智能感官评估中涉及的多分类问题分解成多 个便于建模的两分类问题，然后对每个子问题分别建立分类器，接着采用聚合策略将两类 分类器组合成多分类器。具体地，本发明采用三种不同的分类器建立两分类模型，包括决策 树，神经网络和支持向量机;采用多种聚合策略组合两类分类器，包括投票法，加权投票法， 学习权值偏好法，非支配准则，基于距离加权法以及动态搜索法。该发明的创新点可以归纳 为以下几点：
[0005] (1)本发明将卷烟智能感官评估中涉及的多分类问题分解成多个便于建模的两分 类子问题，可以有效解决多分类问题模型复杂，难于求解的问题；
[0006] (2)本发明采用多种聚合策略组合两类分类器，从而建立多分类器。
[0007] (3)本发明设计了完整的实验来验证该策略的有效性。
[0008] 实验结果表明，相比较于经典的多分类器，采用本发明的策略，不管采用何种基本 分类器，其预测精度都明显高于经典的多分类器。因此，运用本发明的系统，可以为卷烟企 业在新产品的开发和产品维护过程中，辅助卷烟感官评估专家进行卷烟感官评估。
【发明内容】
[0009] 针对现有研究和实际应用中存在的问题，本发明设计了一种基于分解-聚合策略 的卷烟感官智能评估系统
[0010]本发明的技术方案是：
[0011] 基于分解-聚合策略的卷烟感官智能评估系统，具体包括以下步骤：
[0012] 步骤1:采集成品烟感官待评估数据，即卷烟化学成分指标；
[0013] 卷烟化学成分指标包括:总糖量、还原糖、烟碱量、总挥发碱、总氮量、烟碱氮、蛋白 质、施木克值、氮碱比、含氯量、含钾量、糖碱比、氨态碱；
[0014] 步骤2:对成品卷烟的感官评估结果进行离散化处理，获得卷烟感官质量的分类问 题数据集；
[0015] 步骤3:利用基于分解-聚合的多分类方法建立卷烟感官质量评估模型；
[0016] 所述基于分解-聚类的多分类方法建立的卷烟感官质量评估模型为:根据成品烟 感官评估的历史数据，根据感官指标的数据特点（类别数)获得多个成对的两分类问题，再 针对每个子问题，利用数据挖掘技术建立分类器，最后采用聚合方法将子分类器组合成多 分类器；
[0017] 所述感官质量指标包括:光泽、香气、杂气、刺激、余味；
[0018] 步骤4:得到卷烟感官质量评估结果。
[0019] 针对未知样本，每个分类器给出预测结果，获得分值表，然后采用聚合策略将两分 类器组合成多分类器，输出预测结果，本发明采用的聚合策略包括Vote，WV，LVPC，ND，DRCW 和 DCS;
[0020] 本发明的有益效果如下：
[0021] 本发明基于分解-聚合的多分类方法预测卷烟感官质量，帮助烟草企业建立智能 感官评估系统。对于卷烟设计专家，可以利用本发明的方法，将卷烟配方的物化指标作为模 型的输入变量，模型将自动输出卷烟各个感官指标的分值，可以较高精度地预测卷烟的感 官质量，帮助卷烟设计专家在卷烟产品的开发和设计中进行更好的决策。
[0022] 本发明所提的分解-聚合策略能够有效地处理智能感官评吸中多分类问题。相比 较于基本的分类器，分解-聚合策略能够取得更好的预测精度，因此该方法可以帮助烟草企 业在进行智能感官评估中提高工作效率，帮助烟草企业科学高效地进行产品维护和新产品 开发。
【附图说明】
[0023]图1是本发明中【具体实施方式】的分解策略的示例图 [0024]图2是本发明中实验验证中各感官指标值分布情况 [0025]图3是本发明中实验验证中效果比较图（CART)
[0026]图4是本发明中实验验证中效果比较图（BPNN)
[0027]图5是本发明中实验验证中效果比较图（SVM)
【具体实施方式】
[0028] 下面结合附图对本发明的【具体实施方式】做详细说明。
[0029] 根据成品烟感官评估的工艺要求和质量要求，本实施方式基于总糖量、还原糖、烟 碱量、总挥发碱、总氮量、烟碱氮、蛋白质、施木克值、氮碱比、含氯量、含钾量、糖碱比、和氨 态碱这13种物理化学指标作为输入变量;基于光泽、香气、杂气、刺激、余味五种感官评吸指 标作为输出变量建立基于分解-聚合的多分类方法的卷烟感官质量评估模型并进行了实验 验证。
[0030] 本实施方式建立基于分解-聚合策略的卷烟感官智能评估系统，包括如下步骤：
[0031] 步骤1:采集成品烟感官待评估数据，即卷烟物化指标数据和相应的感官指标数 据；
[0032] 卷烟物化指标包括:总糖量、还原糖、烟碱量、总挥发碱、总氮量、烟碱氮、蛋白质、 施木克值、氮碱比、含氯量、含钾量、糖碱比、氨态碱;感官指标包括:光泽、香气、杂气、刺激、 余味；
[0033]步骤2:对历史数据进行预处理，包括输入变量的归一化处理和输出变量的离散化 处理；
[0034] 步骤3:利用基于分解-聚合的多分类方法建立卷烟感官质量评估模型；
[0035] 所述基于分解-聚类的多分类方法建立的卷烟感官质量评估模型为:根据成品烟 感官评估的历史数据，根据感官指标的数据特点（类别数)获得多个成对的两分类问题，再 针对每个子问题，利用数据挖掘技术建立分类器，最后采用聚合方法将子分类器组合成多 分类器；
[0036] 所述感官质量指标包括:光泽、香气、杂气、刺激、余味；
[0037] 所述的基于分解-聚合的多分类方法建立卷烟感官质量评估模型按如下步骤建 立：
[0038] 步骤3-1:采集成品烟感官评估的历史数据，建立卷烟感官质量评估训练数据样本 集；
[0039] 卷烟感官质量评估训练数据样本集包括卷烟化学成分指标和感官评吸指标的专 家评分结果；
[0040] 所述卷烟感官质量评估数据样本集中的感官评吸指标的专家评分结果是由多个 专家打分后求平均值得到的。
[0041] 收集来自烟草企业的卷烟专家人工感官评估的成品烟感官评估的历史数据以建 立进行分类预测的卷烟感官质量评估训练数据样本集，对历史数据进行整理，删除一些重 复的或是存在缺失的数据，最后所得到的每一组历史数据均包括13种化学成分指标和5种 感官评吸指标，本实施方式的卷烟感官质量评估训练数据样本集中包括某烟草企业2010~ 2012三年的成品烟数据，共计684组数据。
[0042] 数据均通过多个专家打分后求平均值得到的，每一项指标分别作为分类使用的决 策属性，根据六组不同项目进行六组不同实验。专家打分依据的感官质量评判标准如表1所 不。