基于支持向量机的葡萄酒种类识别开题报告

1. 研究目的与意义

随着高新技术的发展，在食品保存、消防监控、医疗诊断、酒店检查等方面，人们开始逐渐对气味产生兴趣，并对这些物体实行检测。在工业方面，如果想对有毒气体检测的话，大都会使用气象色谱法进行构成和浓度分析，令人遗憾的是，这些分析仪器消耗太多的成本，同时经常要繁杂的逻辑换算。在对衣物、化妆品、酒类、矿泉水等物品深入抽检的时候，大部分都是靠着我们的嗅觉进行判断的，要知道，这样判定的结果主观性太强，浪费时间，开销也较大，判断的结果常常局限于人的经验、健康状态、心情等等许多外界的影响，准确性根本不能让人信服。质检部门某些时候同样会用到化学分析法和物理化学分析法，来对眼下生产的成品实施抽样检查进而保证质量。要说化学分析，它的步骤繁杂，时效性差。另外，物理化学分析则离不开价格不菲的仪器，而且对样品的制备和仪器操作技术等要求都很高，一般的技术人员完全不能胜任，达不到快速分析的要求。此外，想要利用化学成分分析的方法来判断酒类的好坏当然也是非常困难的，由于妨碍酒类质量的化学成分很多，像酒浓度的大小，全部测出这些成分既太过于繁琐，又必须消耗大量的时间和金钱，并且，某些成分的含量是很小的，微不足道，要想测试是办不到的。所以，寻找一个较为准确的嗅觉判定方法，进而取代人工鉴别和昂贵仪器鉴别，是科学家的最大心愿。

医学结论证实葡萄酒中含有着许多氨基酸、微量元素和维生素，这些物质都是人体必须补充和吸收的营养成分。当今时代，在知道的的葡萄酒里具有对人体有积极作用的成分大概就有600多种。所以偶尔喝一点适宜量的葡萄酒，能够有减缓变老，预防各种疾病，紧致皮肤的惊人作用。市场上兜售的葡萄酒价位区间非常大，有几十的，也有上千的，葡萄酒的等级划分为钻研葡萄酒的一个令人重视的方面。当今葡萄酒的等级划分依旧是靠嗅觉判定的方法，纵使很有经验的鉴酒师，如果光靠个人的经验，肯定会有一些误差在里面。更别说我们普通的消费者对气味的判断能力了。

然而支持向量机的引入研究，给这一行业打开了另一扇窗户，利用支持向量机对不一样类型但拥有差不多味道的葡萄酒实施检测，能够得到不一样的气味数据，因而判定出不一样品种的葡萄酒。对酒类等产品的质量检查，会有非常大的使用价值。

2. 国内外研究现状分析

最近一段年间，当人工智能技术被宽泛的应用起来，它的相关概念的引出，模式分类与机器学习的应用研究同样获得了非常可喜的成果，包含了人工智能的各个层面和不同方面的使用。尤其是，在文字识别、语音识别、遥感图像分析、大数据分析等很多任务中获得了重要的研究成果。

分类识别在所有的电子系统中具有非常不一般的地位。一个优秀的分类识别方法，既可以提升系统的工作准确度和分类速度，又方便进行训练，不容易被外界所干扰。当前分类识别的方法有不少，其中神经网络、决策树等是用的最多的方法。然而通常在有些时候上面的方法往往会有局限性，比如局部最优问题，维数低等。统计学习理论，为一门重视钻研数目有限个样本情况下的机器学习理论，它的目标是知晓之前拥有的信息的最优解的情况下，而不是样本趋于无穷大时的最优解。以统计学理论为基础的的支持向量机，在克服有限个样本和不等距样本的分类情况上具有非常大的优势。

在分类识别和机器学习基础知识领域，在中国的研究者写出了许多的学术论文。很多研究成果同样受到国际同行的重视。尤其是，中国的研究者在低秩学习、分类器集成等领域依旧排在国际前沿的水平。在深度学习使用层面，国内的研究者同样获得了非常傲人的成绩，在很多很多有着深入人心的国际比赛里都取得了前列的成绩

3. 研究的基本内容与计划

本篇论文题为基于支持向量机的葡萄酒种类识别，所用数据是需要从UCI的数据库中自行下载。把数据下载后可以发现，给了总计有样本数目178个，在每一个样本中有13个特征分量。不难发现这些样本的三个标签都已给。我要做的就是把这178个不同样本中的二分之一作为训练数据，剩下的二分之一作为测试数据，用训练集对支持向量机不断训练之后，就可以得到一个分类模型，然后就可以对剩下的测试集进行测试分类。其中可以运用不同的核函数，对得到的准确率进行对照从而得出结论。

第1-2周查阅相关资料，撰写文献综述；确定设计方案，撰写开题报告。第3周开题答辩。第4-5周3000字英文资料翻译。第5周葡萄酒训练样本的搜集与整理。第6-7周支持向量机建模。并准备中期答辩。第8-9周利用Matlab2011b仿真软件编写程序实现支持向量机训练与测试。第10-11周开始准备终期答辩，整理理论基础和公式。

4. 研究创新点

懂得了归一化在某些时候的重要性，因为这样可以提高我们最终分类的准确度，并且不同的归一化方式对最后的准确度可能也会有一定的影响。但这并不是说我们遇到所有问题都必须事先把原始数据进行归一化，要具体问题具体分析，经过测试表明有的时候归一化所得到的预测准确率比没有归一化的预测准确率会低很多。同样，使用合适的核函数也能增加实验结果的准确性。