面向不平衡数据集的浓香型白酒基酒等级分类研究

为解决基于气相色谱-质谱联用(GC-MS)仪采集的浓香型白酒基酒等级分类中样本不均衡导致分类模型性能下降的问题,提出了一种面向不平衡数据集的浓香型白酒基酒分类研究。该方法首先采用合成少数类过采样技术(SMOTE)对浓香型基酒样品中少数类样本进行扩充,改善样本的不均衡性;然后结合稀疏主成分分析(SPCA)对GC-MS图谱数据进行降维;最后使用深度森林(DF)分类器建立浓香型白酒基酒分类识别模型。结果表明,使用SMOTE算法对基酒数据集进行平衡之后能够有效提高模型分类准确率,所建立的浓香型基酒分类模型正确率达到96.61%,该分类模型的建立对基酒等级分类能起到一定的指导和借鉴作用。

基于气相色谱与支持向量机的浓香型白酒基酒等级判断模型研究

以浓香型白酒基酒为研究对象,采用气相色谱技术分析基酒中的挥发性风味物质成分,以特定时间间隔内色谱峰面积为数据点进行提取和计算,结合支持向量机(SVM)建立浓香型基酒质量等级判断模型。以SVM模型预测准确率为评价指标,通过单因素试验和响应面优化试验筛选出构建模型的最佳测试集比例和色谱数据,在最优条件下,依次对SVM类型和核函数进行优化,建立四个级别基酒质量等级判断模型,并设计分级多步预测试验分析不同级别基酒的识别情况。结果表明,当测试集比例为75%,色谱数据分析起始时间为5 min,分析结束时间为19 min,数据点间隔为1 min时,c-多类别支持向量分类的径向基(RBF)核函数所建四个级别基酒分级模型的准确率最高为94.0%。按照前述方法优化后,分级多步试验优化结果表明,三级酒分级准确率为100%,一级与二级基酒分级准确率为97.2%,特级与一级基酒分级准确率为95.1%。该研究同时发现己酸乙酯、乙醇、乳酸乙酯、乙酸乙酯对分级模型的累计方差贡献率可达79.1%,是基酒质量等级划分的重要风味物质。