间下，产生不同的电阻值，储存时间是茶叶的储存天数。该数据集包 括2112个样本，10个样本属性，6个类别。
[0050] 表2瓜片茶数据情况
[0052] 3.茶叶储存时间建模方法
[0053] 茶叶储存时间建模利用十折交叉验证法，即将样本集切割成10个相等的互不相 交的子样本，轮流将其中9份样本作为训练样本集构建模型，剩下的1个子样本验证所建的 模型，以上步骤重复10次后的均值作为对算法精度的估计。
[0054] 4.如图1，本发明采用SMO算法对瓜片茶储存时间进行分类，该算法的具体步骤包 括如下：
[0055] 步骤一：求解两个变量的二次规划的解析方法；
[0056] 选择两个变量，假如是apa2，其他变量a= 3, 4, .. .，N)是固定的，最优化问 题的子问题可以写成：
[0058] 约束条件变为：
[0060] 0 ^a^C(i= 1, 2) (2)
[0061] 其中：KfK(xi,Xj)，i,j= 1, 2,…，N，G是常数。为了叙述简单，记
[0063] 经过推导可得：
[0065]其中：
[0067] n=K11+K22_2K12 (6)
[0068] 经过修剪后的a^
[0070]其中：
[0074] 步骤二：选择变量的启发式方法。
[0075] SMO采用启发式方法进行变量选择，算法具体包括两层循环：外层循环和内层循 环。第一个变量的选择在外层循环，第二个变量的选择在内层循环。外层循环在所有样本 中择取违反KKT条件的样本点，具体地，检验所有样本是否满足KKT条件，即
[0077] 内层循环主要是寻求使| Ei_E21的值最大的对应的变量作为第二个变量，如果通 过上述方法不能使目标函数的优化值有一定的降低，则遍历整个训练样本集，否则进入外 层循环重新寻找第一个变量。每完成一次优化后，要重置阈值b和更新每个变量所对应的 Ei值。
[0078] 5.根据上述方法，本实例选用高斯核函数和多项式核函数，对SMO算法的分类器 进行训练和测试，对核函数的性能进行对比分析。具体结果如表3所示。
[0079] 表3核函数性能对比
[0081] 表3显示了采用高斯核函数和多项式核函数之后，SMO算法的分类性能对比结果， 从表中可以看出，在建模时间上，基于多项式核函数的SMO算法具有相对更快的建模速度， 只用了0. 48s;在分类准确率上，基于多项式核函数的SMO算法的分类准确率相对高很多， 与高斯核函数相比，高了百分之六十几。结果表明，基于多项式核函数的SMO算法具有更快 的训练速度和更高的分类准确率。采用多项式核函数所得到的分类模型的分类效果更好， 尤其是在面对大数据时，效果更显著。
[0082] 茶叶数据集包含6个类别属性："0"、"15"、"30"、"45"、"60"、"75"，分别表示茶叶 储存的天数。图2为基于多项式核函数的SMO算法的储存时间误分可视化结果图。图3为 基于高斯核函数的SMO算法的储存时间误分可视化结果图。图中X轴表示实际类别，Y轴 表示预测类别，图中方形表示错误分类的样本，叉表示正确分类的样本。
[0083] 上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此领域技术的 人士能够了解本
【发明内容】
并加以实施，并不能以此限制本发明的保护范围。凡根据本发明 精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围内。
【主权项】
1. 一种电子鼻瓜片茶的储存时间分类方法，其特征在于，步骤包括： (1) 瓜片茶叶样品分装并且储存； (2) 使用含有10个不同的金属氧化物传感器的电子鼻对瓜片茶叶样品进行检测，按照 不同时间下10个传感器检测的不同数据构建数据集； (3) 将样本集切割成10个相等的互不相交的子样本，轮流将其中9份样本作为训练样 本集构建模型，剩下的1个子样本验证所建的模型，以上步骤重复10次后的均值作为对算 法精度的估计，采用SMO算法对瓜片茶储存时间进行分类： (a)选择两个变量，假如是α α 2，其他变量a i Q = 3, 4,…，N)是固定的，最优化问 题的子问题可以写成：约束条件变为：a ^ C(i = I, 2) 其中：Kij= K(x i, Xj)，i, j = 1，2,…，Ν，ζ是常数。为了叙述简单，记经过推导可得：经过修剪后的α2(b)采用启发式方法进行变量选择，算法具体包括两层循环：外层循环和内层循环，第 一个变量的选择在外层循环，第二个变量的选择在内层循环，外层循环在所有样本中择取 违反KKT条件的样本点，检验所有样本是否满足KKT条件，即内层循环主要是寻求使IE1-E2I的值最大的对应的变量作为第二个变量，如果通过上 述方法不能使目标函数的优化值有一定的降低，则遍历整个训练样本集，否则进入外层循 环重新寻找第一个变量。每完成一次优化后，要重置阈值b和更新每个变量所对应的Ei值。2. 根据权利要求1所述的电子鼻瓜片茶的储存时间分类方法，其特征在于，（1)将瓜片 茶茶样品分别用锡纸袋进行小袋独立包装，每袋50g，袋口密封，同时在袋中封入吸湿剂以 防止茶叶受潮；然后放入冰箱中冷藏（4°C )保存。每隔15天进行一次试验，共进行6次试 验。每次试验取出需要的袋数，其余不动。3. 根据权利要求1所述的电子鼻瓜片茶的储存时间分类方法，其特征在于，（2)数据集 包括2112个样本，10个样本属性，6个类别。
【专利摘要】本发明公开了电子鼻瓜片茶的储存时间分类方法，采用电子鼻传感器模拟人感官品评的功能和特征，结合SMO算法进行储存时间分类，进而获得相对应的预测模型和方法。本发明的有益效果在于，通过将SMO分类算法应用于实际的瓜片茶的储存时间分类，与其它方法相比，更有效地将这些茶数据快速准确地转化为有价值的信息，这对我国茶叶科学技术的研究和开发的进一步完善具有重大的意义。
【IPC分类】G01N27/00
【公开号】CN104897729
【申请号】CN201510304928
【发明人】杨宝华, 刘晓莹, 戴前颖, 王淑娟, 张玲
【申请人】安徽农业大学
【公开日】2015年9月9日
【申请日】2015年6月4日