基于PCA和PSO-SVM在葡萄酒分类中的应用研究

• 作者: 全晓松 张子锋 徐小华 胡晓飞
• 来源期刊: 云南民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 主成分分析 粒子群优化 支持向量机
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 456-459
• 页数: 4页
• 分类号: TP311
• 字数: 2430字
• 语种: 中文
• DOI: 12.3969/j.issn.1672-8513.2014.06.016

摘要

针对葡萄酒的物理化学成分冗余数据,提出了一种基于主成分分析(PCA)和粒子群优化—支持向量机(PSO-SVM)的模型用于葡萄酒的分类.首先,对葡萄酒的物理化学成分进行主成分分析,提取主要影响因素,减少输入维数,再利用粒子群优算法寻找支持向量机的最佳参数,并用支持向量机完成对训练集样本的学习和测试集样本的预测分类.结果表明,该模型与其他模型相比较,具有较高的准确性,有一定的适用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐小华	昭通学院信息科学与技术学院	15	58	4.0	6.0
2	张子锋	昭通学院信息科学与技术学院	20	67	3.0	7.0
3	胡晓飞	昭通学院数学与统计学院	32	46	4.0	4.0
4	全晓松	昭通学院信息科学与技术学院	11	43	3.0	6.0