检索结果-南通市图书馆

智能计算机与应用 2024年第1期14卷 147-151页

作者：丁海萌郭小燕甘肃农业大学理学院兰州730070

随着经济发展和消费升级,人们对高品质葡萄酒的需求不断增加,如何利用葡萄酒理化指标进行高效准确的质量评定显得尤为重要。本文基于UCI葡萄酒数据集,建立了SMOTE_GA_XGBoost模型来预测葡萄酒质量。结果表明,SMOTE_GA_XGBoost模型得出... 详细信息

随着经济发展和消费升级,人们对高品质葡萄酒的需求不断增加,如何利用葡萄酒理化指标进行高效准确的质量评定显得尤为重要。本文基于UCI葡萄酒数据集,建立了SMOTE_GA_XGBoost模型来预测葡萄酒质量。结果表明,SMOTE_GA_XGBoost模型得出的级别判别准确率为89.36%,类别判别准确率为96.46%,均高于其他对比模型,具有更高的预测精度。

关键词：葡萄酒质量预测机器学习 SMOTE GA_XGBoost

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

考虑样本分布的KNN算法及其在葡萄酒质量预测中的应用

考虑样本分布的KNN算法及其在葡萄酒质量预测中的应用

引用

作者：李阳逸沈阳大学

学位级别：硕士

近年来,随着生活水平的提高,葡萄酒越来越受到人们的喜爱。葡萄酒的生产工艺复杂,易受各种因素影响,因此,利用葡萄酒的理化数据来实时控制生产过程是十分必要的。KNN(k-Nearest Neighbor,k-近邻)算法是一个经典分类算法,适用于多类别场... 详细信息

近年来,随着生活水平的提高,葡萄酒越来越受到人们的喜爱。葡萄酒的生产工艺复杂,易受各种因素影响,因此,利用葡萄酒的理化数据来实时控制生产过程是十分必要的。KNN(k-Nearest Neighbor,k-近邻)算法是一个经典分类算法,适用于多类别场景,但是在面对较大数据集时会发生运行效率低以及对数据集的平衡性敏感等问题。由于葡萄酒数据集具有样本种类多、类别不平衡性等特点,在使用KNN算法对其进行等级分类时,难以取得理想的效果。同时,大数据集也会使模型运算速度变得缓慢。本文针对这个问题进行了以下研究工作:(1)不平衡数据存在复杂的分布,如小析取项、类间重叠和噪声等问题时,SMOTE算法没有考虑到样本的邻域信息,在插值时易合成噪声和重叠样本,干扰数据集的后续处理。因此,提出一种考虑近邻分布的自适应过采样方法(CDL-NDWCOTE)。首先,考虑样本分布的不同情形,研究一种样本集的簇划分方法(CDL),根据样本的位置信息标记出小析取项、类间重叠区域、内部和噪声样本,删除噪声样本并保留其他三类作为采样样本。其次,利用各类邻域样本构建超球体,提出一种考虑近邻分布自适应权重综合计算方法,最后,将权重赋予合成时需要选择的近邻,三类少类簇内分别进行差别化的新样本合成。类间重叠区域样本选择随机线性插值合成方式,内部、小析取项样本选择三角形内随机线性插值合成方式,以避免合成重叠的同类、异类样本和噪声。使用C4.5分类器在真实不平衡数据集和生成集上进行实验,得到的评估指标与多种过采样算法进行对比,验证了方法的有效性。(2)针对KNN分类算法处理大数据集运算速度慢的问题,对数据预处理,通过基于DPC-JA的样本稀疏化方法,首先采用密度峰值聚类算法找出每个聚类中心,其次将各个聚类中心作为参考样本点,分别对每个类别的样本进行杰卡德相似度分析,将各个样本对聚类中心样本的相似度作为判别样本间相似度的依据;最后删除与聚类中心相似度大的样本点。以这种方法降低分类算法的运算量,提高模型运算效率。使用KNN算法得到样本稀疏化后的分类模型,并对比与不经过样本稀疏化处理KNN模型的平均错误率、运算时间和分类精度等,验证了DPC-JA在提升KNN分类效率方面的效果。(3)建立CDL-NDWCOTE过采样结合DPC-JA样本稀疏化预处理数据的KNN分类模型,并基于模型建立葡萄酒质量品鉴系统,通过葡萄酒生产过程中的理化数据,预测成酒的质量。将本文改模型与未改进的KNN模型、单步骤改进的KNN模型和其他模型进行对比,所有结果表明,提出的方法优于现有模型。验证了CDL-NDWCOTE和DPC-JA改进的KNN预测模型具有良好的泛化性能,在预测葡萄酒质量上的有效性和实用性。

关键词：葡萄酒质量预测 KNN 不平衡数据集近邻分布自适应过采样算法稀疏化算法

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于相关分析和多元线性回归的葡萄酒质量预测

引用

科学技术创新 2019年第30期 6-7页

作者：马凯文兰州大学附属中学

传统的葡萄酒质量检测由专业评酒师进行鉴评完成,存在检测成本高、周期长、主观臆断等缺点。目前亟需建立一套客观、有效的葡萄酒质量评价体系,实现对葡萄酒质量的快速、批量检验。介于此,本文提出了一种基于相关分析和多元线性回归的... 详细信息

传统的葡萄酒质量检测由专业评酒师进行鉴评完成,存在检测成本高、周期长、主观臆断等缺点。目前亟需建立一套客观、有效的葡萄酒质量评价体系,实现对葡萄酒质量的快速、批量检验。介于此,本文提出了一种基于相关分析和多元线性回归的葡萄酒质量检测方法,可以用葡萄酒理化指标对葡萄酒质量进行精准预测。首先,通过相关分析从27个红葡萄酒样品的标准化成分指标中选取与平均总评分最相关的5个指标作为最优特征;其次利用最优特征和平均总评分训练多元线性回归模型;然后利用最终的预测模型计算平均总评分的预测值;最后根据帕克评分体系分别对平均总评分的真实值和预测值进行评级,评级结果的差异可以反映模型预测的正确与否,从而实现由葡萄酒理化指标对葡萄酒质量进行预测的功能。模型的预测正确率达到81.48%,性能优异。

关键词：葡萄酒质量预测理化指标相关分析多元线性回归

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：