一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103499608103499608A(43)申请公布日2014.01.08(21)申请号201310323337.1(22)申请日2013.07.30(71)申请人中国标准化研究院地址100191北京市海淀区知春路4号(72)发明人史波林刘宁晶赵镭汪厚银支瑞聪裴高璞解楠张璐璐(51)Int.Cl.G01N27/00(2006.01)权权利要求书1页利要求书1页说明书14页说明书14页附图7页附图7页(54)发明名称一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法(57)摘要一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法，蚁群算法属于启发式特征选择方法，利用算法的自动迭代进化，对特征点选择进行自动寻优，直到获得最优结果，其特征在于将蚁群算法应用于特征点的选择，算法模拟遗传算法。利用各特征点选择后的Bayes判别准确率以及所选择的特征点数为适应性函数，寻求最优的向量组合，该算法主要创新点包括：（a）将特征点选择数加入适应函数中，并设定代价参数，通过参数调节，可以根据需要对特征点数和判别准确率进行取舍；（b）为避由于特殊点导致的更新方向错误，设置最优集，以最优集合代替单一最优点进行选择；（c）信息素更新程度与适应函数提高成正比，算法优化效果好，则更新幅度增大；（d）为加快计算速度，对效果较差的向量加快挥发速度，减小信息素浓度，减小其对后期计算干扰。CN103499608ACN1034968ACN103499608A权利要求书1/1页1.一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法，根据我国地理区域西部、华南、华北、华东、东北的划分，选择5种不同蜜源作为研究样本，分别为：1）油菜蜜，采自西部地区的重庆涪陵区和永川区；2）荔枝蜜，采自华南地区的广西南宁；3）荆条蜜，采自华北地区的北京密云等地；4）洋槐蜜，采自华东的山东莱阳；5）椴树蜜；利用气敏传感器阵列与不同挥发性成分的吸附差异对待测样品蜂蜜进行检测，利用蚁群算法的自动迭代进化，对特征点选择进行自动寻优，直到获得最优结果，其特征在于将蚁群算法应用于特征点的选择，算法模拟遗传算法，利用二进制编码对各传特征向量进行编码，1代表选择该信息点，0代表舍弃该信息点,利用各特征点选择后的Bayes判别准确率以及所选择的特征点数为适应性函数，寻求最优的向量组合，该算法包括：（a）将特征点选择数加入适应函数中，并设定代价参数，通过参数调节，可以根据需要对特征点数和判别准确率进行取舍；（b）为避由于特殊点导致的更新方向错误，设置最优集，以最优集合代替单一最优点进行选择；（c）信息素更新程度与适应函数提高成正比，算法优化效果好，则更新幅度增大；（d）为加快计算速度，对效果较差的向量加快挥发速度，减小信息素浓度，减小其对后期计算干扰。2.根据权利要求1所述的智能嗅觉图谱特征提取方法，其蚁群算法各参数选择如下：最终选择蚁群规模=20；信息素挥发浓度=0.003；优秀蚂蚁集=3；差蚂蚁集=3;特征数惩罚比例=400；蚁群算法所选择的特征点多集中于1000附近和1500至2160，即第9、第15-18根传感器的信号点，最终选择特征点数206，判别准确率为94.94%，其中油菜蜜22/23，椴树蜜16/17，洋槐蜜37/39（。2CN103499608A说明书1/14页一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法技术领域[0001]本申请涉及一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法。背景技术[0002]我国蜂蜜产量居世界首位，近年来产量一直保持快速增长的趋势，由2001年的25.2万吨增加到2009年的40.2万吨，占世界总产量也由近20%提高到30%多。但由于经济利益的驱动，目前蜂蜜市场掺假严重，导致掺假蜂蜜占据了蜂蜜市场的20%～30%，有些地区掺假造假的蜂产品占50%左右，严重损坏了消费者利益、影响蜂蜜产业健康发展、打击出口贸易创汇。[0003]由于缺乏检测手段的影响，导致掺假打击面临困难，其根本原因如下：（1）由于蜂蜜本身的主要物质结构比较简单，包含水和糖类成分，给掺假提供了便利条件，同时，单靠检测这几种物质含量的多少根本没办法判别是否掺假；（2）由于蜂蜜受蜜源植物种类、蜜蜂群势强弱、蜜期时间长短、空气的温度和湿度，以及蜂蜜的加工、贮存、结晶等多种因素影响，造成蜂蜜主要物质的含量范围变化较大，使得蜂蜜掺假简单、方便；（3）C4等掺假检测费用高、无法大规模用于实际检测和执法。[0004]香气是产品品质体现的重要属性之一，产品香气表征需要突出其客观性、真实性与全面性。目前气相色谱(GC)、气相色谱-质谱联用(GC-MS)和气相色谱-嗅辨(GC-O)等方法