CN109376805A - 一种基于白酒基酒指纹图谱特征的分类方法 - Google Patents

Abstract

本发明提出了一种基酒指纹图谱特征的分类方法，本发明涉及食品领域、发酵领域、信息处理以及模式识别等相关领域。本发明的白酒基酒指纹图谱分类方法结合主成分分析和神经网络的方法对基酒指纹图谱进行分类。本发明首先通过主成分分析对基酒的“重要成分”进行筛选，然后将筛选后的“重要特征”用来进行神经网络权重训练，最后用真实的基酒图谱数据进行测试，实现对基酒进行分类。本发明能够较好地克服白酒基酒中图谱中冗余数据“不重要的”组分对分类结果的影响，大大减少了神经网络的输入量和分类的计算量，分类的结果更能体现了基酒的特征上的差异。

Description

一种基于白酒基酒指纹图谱特征的分类方法

技术领域

本发明涉及信息与数据处理以及模式识别与分类等相关领域，尤其涉及一种基于白酒基酒指纹图谱特征的分类方法。

背景技术

白酒基酒的指纹图谱犹如人的指纹一样独一无二，能够展示出不同物质鲜明的特异性和典型性。利用基酒的指纹图谱来对基酒进行分析，是一种比较常规的综合评价方法。它具有采样精度高，特征明显、专属性强、重现性好、快速且识别能力强等特点。白酒的某些独有的特性(如：香型、产地等)决定了同种香型、相同产地的白酒所具有某种整体的相似性，决定了指纹图谱在白酒分类研究上的适用性和广泛性。白酒是多种化学成分的混合物，该混合物除98％的水和乙醇外，还包括约占2％的醇类、酯类、酸类、氨基酸类、醚类、醛类等微量成分。随着科学技术的进步以及各种检测方法的应用，目前已经发现决定着白酒的香味风格的微量成分约300余种，且其中有180余种已被定量分析出。

在这些微量成分是构成白酒基酒典型特征的物质基础；微量成分在酒体中的含量和配比决定了白酒的香型、口感和质量。传统的白酒品评方法主要在感官评价，即视觉、嗅觉、味觉，对产品的色、香、味进行观察、分析、描述、定级，辅以理化分析，并做出综合评价。由于感官鉴评易受人为因素的影响，所以单凭感官对白酒基酒进行质量等级的划分，存在很多不确定的元素。由于感官分辨精度有限、操作规范不一致、人为等操作因素，使得白酒品质难以区分，等级难以界定。因此，需要客观评价机制对白酒指纹图谱进行分析。客观评价主要是对白酒的指纹图谱运用数学方法实现对白酒的分析、判断及分类识别等。白酒的指纹图谱是指通过色谱或光谱等技术手段获得能够表示白酒特性的图谱或图像，包括气相色谱法、近红外方法、核磁共振等方法。白酒图谱可以视为一个由白酒特征为元素组成的n维向量，通过对白酒图谱特征的提取，可以对白酒的品质特性进行分类与识别。在对白酒指纹图谱进行客观评价时，我们期望对白酒的组成成分进行分析，从而分析出各个成分对白酒按照香型、等级、产地以及年代等特征进行分类。这就需要利用模式识别方法对白酒所含化学成分用数学手段进行分类或描述，其主要运用的方法如：回归分析、聚类分析、判别分析、相关分析、主成分分析等多元统计方法及用于非线性体系的人工神经网络技术等在白酒质量控制中得到较好的应用。

特别是针对神经网络技术而言，只要将白酒的化学成分作为输出，便可以针对这些化学成分数据进行训练，从而可以确定各个化学成分对白酒基酒分类的贡献。但是，随着监测技术的不断进步，白酒的很多微量成分被测定出来，如果将所有的微量成分都用来进行神经网络权重训练，需要更多的输入单元和训练时间。同时，对于同一种香型、等级的酒样，其某些微量成分的含量差异也较大，着就会导致训练的权重不准确，从而导致最终识别分类不准确。目前，指纹图谱研究较多，但很难成为比较准确的质量控制标准，尚有些问题需要解决，白酒基酒指纹图谱分类的研究难点集中在以下几个方面：

1.如何获得良好的白酒指纹图谱。关键之一是选择性能优良的气相色谱仪，高分离效能的色谱柱，使其满足白酒香气组分全分析要求。

2.如何更好地对指纹图谱进行分析。现有技术下，需要对图谱识别分类方法不断地进行改进优化，使对白酒图谱的分类更加具有合理性、科学性。

3.如何把指纹图谱的信息与白酒的人工感官品评结合起来。白酒作为一种食品，只有同人的感官评价相结合，才能更全面地了解不同种类白酒的香味特征。

4.如何提取出白酒基酒指纹图谱的重要特征，并用重要的特征进行神经网络训练出各个主要特征的权重参数，减少无效的组分对基酒的香型、年代以及产地等因素对训练数据的影响，使之适用于基酒的分类。

发明内容

本发明通过PCA对白酒基酒的各个图谱数据成分进行分析，提取的主要特征图谱(组成部分)，利用BP神经网络对提取的主要特征图谱进行训练，分配出各个主要特征的权重，然后对新的基酒图谱进行分类，计算出的分类能更好地体现白酒基酒图谱的特性。

本发明采用如下技术方案：

步骤1.利用PCA获取白酒的主成分与贡献率(如：色谱仪设备采集得到的数据，经过白酒组分分析，得到n组基酒数据，每一组样本含有p个组分)

设白酒基酒图谱为由p个组分组成的向量：

如果用表示第i个样本的第j个图谱数据(组分)，则n组白酒基酒样品的数据组成矩阵：

在该矩阵中，每一个组分的数据标度相差很大(与)。为了消除由数据标度引起的权重计算差异，需要对图谱矩阵进行归一化处理。归一化后的白酒图谱向量为：

数据矩阵X的协方差矩阵：

矩阵中：

求出矩阵S的特征值λ_i及相应的正交化单位特征向量a_i＝(a_i,1,a_i,2,a_i,3,…,a_1,p)^T，特征值由大到小排列λ₁≥λ₂≥...≥λ_m＞0，由特征向量组成的单位特征向量矩阵为：

λ_i对应的单位特征向量a_i就是主成分F_i的关于原变量的系数，则主成分F_i表示为：

主成分F_i的贡献率可以通过特征值来反应信息量的贡献率大小，贡献率α_i为：

由于λ₁≥λ₂≥...≥λ_m则，F_i的贡献率大小关系为α₁＞α₂＞…＞α_m；前几个主成分代表白酒的绝大部分信息，前q个主成分累积贡献率G(q)表示为：

当累积贡献率大于85％时，认为能够反应原来变量的信息，对应的q就是抽取的前q个主成分。

步骤2.利用PCA对白酒图谱主要特征进行筛选

对成分参数的数据矩阵X进行主成分分析，求出主成分F₁,F₂,…,F_m，贡献率最小的主成分F_m，F_m可以由白酒成分的表达式线性表示：

F_m＝a_m1x₁+a_m2x₂+...+a_mpx_p

式中，a_m1,a_m2,...,a_mp为F_m的特征向量系数，找到该特征向量系数最大的系数a_m,_g(g取值1～p之间的某一个值)，a_m,_g对应的白酒成分x_g，x_g可以理解为在这些成分中对白酒特性最不重要的成分。删除n个白酒样品中每个样品中的成分x_g，则每个白酒样品图谱数据剩余p-1。

对剩余p-1图谱数据的n个样品重复上述操作，每次重复删除一个最不重要的成分，直到每个样品的剩余的图谱成分数据个数为预先设定的值h为止。

步骤3.基于BP神经网络的白酒基酒图谱分类

将步骤2筛选出来的主要特征，用来作为BP的输入数量，训练出各个主要特征的权重参数，采用BP神经网络对白酒图谱进行分类。因此，神经网络结构，采用n个输出神经元(n类)，在实验过程中，隐藏层神经元对训练结果影响不大。因此，采用10个隐藏层神经元，隐藏层使用Sigmoid传输函数，输出层采用线性传输函数。

BP神经网络被成功的应用在数据的预测与分类上。典型的神经网络由输入层，隐藏层和输出层三部分组成，通常一个神经网络的隐藏层可以由多个隐藏层神经元组成，其中：输入层称为第一层，输出层被称为最后一层，其它各隐藏层分别进行编号。对于典型的三层神经网络结构而言，假设输入向量为：

X＝[x₁,x₂,...,x_m]，

输出层为：

Y＝[y₁,y₂,...,y_n]，

隐藏层为：

H＝[h₁,h₂,...,h_s]

其中，m,s,n分别对应输入层、输出层和隐藏层的神经元个数。设W_ij为输出层第j个神经元到隐藏层第i个神经元之间的连接权重，b_i为隐藏层第i个神经元的偏置，那么：

h_i ^l＝f(net_i ^l)

其中，net_i ^l为第l层第i个神经元的输入，f为神经元的激活函数。在本BP神经网络中，选用下面的Sigmod非线性激活函数：

第一种成为Sigmod函数，第二种为双曲正切函数。

设d(i)为对应输入x(i)的期望输出，BP算法则通过最优化各层神经元的输入权值以及偏置，使得神经网络的输出尽可能地接近期望输出，以达到训练(或者学习)的目的。因此，对于给定的m个训练样本，其误差函数为：

其中，为单个样本的训练误差。从而有

BP算法每一次迭代按照以下方式对权值以及偏置进行更新：

其中，α∈(0,1)被称为学习速率。

因此，BP神经网络可以用来对白酒的等级、香型和类型等进行分类与预测。利用步骤2中筛选后的特征，对已知等级、香型和类型等因素的酒样进行训练，分配图谱中的各项组分特征对这些因素的权重系数，从而能够对新的的图谱按照等级、香型和类型等因素进行分类的效果，一般选用三层的BP神经网络对白酒图谱进行分类。

本发明的有益效果：

本发明的白酒基酒图谱的分类方法，消除了与图谱中无关数据对神经网络训练的影响，且通过主成分筛选出来的主要特征用来作为神经网络的输入，大大减小了次要特征对白酒的香型、等级等干扰。

采用本方法对白酒基酒的分类，更能体现白酒特性的特征性质，对白酒能够进行快速的训练与分类，具有极大的应用价值。

本基酒指纹图谱特征的分类方法关键在于对白酒基酒的主要特征进行筛选，以及利用神经网络对不同白酒图谱数据中主要特征的权值进行训练，并利用训练号的主要特征的权重，来指导对真实的基酒进行分类。

附图说明

图1为基于白酒基酒指纹图谱的主要特征筛选及分类流程图；

图2为典型神经网络的组成图；

图3为神经网络结构图；

图4为训练误差变化图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

现实生活中，在面对大量数据的时候，总是希望发现其中的“规律”，期望通过这些规律对数据按照某一种特征进行分类与分析。尤其是将白酒基酒的指纹图谱数据与白酒的分类结合起来，从而可以通过算法的形式对白酒进行自动分类。现有的数据分类识别方法主要是利用数据向量构成矩阵的方式对其进行分析，利用矩阵分析来解决实际分类问题的分析方法，如PCA(主成分分析)、ICA(独立成分分析)、SVD(奇异值分解)、VQ(矢量化)等。

在所有这些方法中，原始的大数据矩阵X被近似分解为低秩的X＝WH形式。这些方法的共同特点是，需要处理非常庞大的数据，且耗费的时间比较长。

如图1所示，本发明的基于白酒特性的相似度计算方法有效的实施过程：

如何选取图谱有效的数据与如何确定权值系数c_i。

第一步.获取基酒图谱数据

以某白酒基酒图谱数据的24个样本为例进行说明。每个样本的成分图谱包括80个白酒图谱数据，白酒图谱数据采用每升成分的含量(单位：mg/L)。

每个样本的图谱数据包括乙醛(z₁)、正丙醛(z₂)、异丁醛(z₃)、甲酸乙酯(z₄)、乙酸乙酯(z₅)、乙缩醛(z₆)、甲醇(z₇)、2-丁酮(z₈)、异戊醛(z₉)、丙酸乙酯(z₁₀)、异丁酸乙酯(z₁₁)、乙酸丙酯(z₁₂)、……、棕榈酸乙酸(z₇₀)、油酸乙酯(z₇₁)、月桂酸(z₇₂)、亚油酸乙酯(z₇₃)、苯甲酸(z₇₄)、苯丙酸(z₇₅)、肉豆蔻酸(z₇₆)、棕榈酸(z₇₇)、硬脂酸(z₇₈)、油酸(z₇₉)、亚油酸(z₈₀)等80种物质。

具体实施如下：

第二步：对白酒成分进行归一化处理

白酒成分的数据标度相差很大，甚至出现数级的差异，对白酒成分含量数据标准化处理，消除权重差异，使其均值为零，方差为1。

每个样本的成分为一个行向量，24个样本组成的图谱数据矩阵

求出每列的均值u_j与标准差σ_j，j取值范围1≤j≤80。采用如下公式对矩阵D的每一个元素进行标准化：

得到归一化的矩阵为X：

表1给出第一样本标准化前后的数据

第三步.PCA筛选基酒主要特征：对矩阵X进行PCA变换，设定阈值T＝0.01，特征值由达到小排列，找到特征值λ_m，满足λ_m≥T，λ₁₉＝0.0122，λ₂₀＝0.0074，λ₁₉对应的主成分为F₁₉，其通过白酒成分的表达式为：F₁₉＝a_1，19x₁+a_2，19x₂+...+a_80，19x₈₀，系数a_1，19，a_2，19，...，a_80，19的值如下表所示：

表2.主成分F₁₉的系数值

从表2中可以看出，最大系数为a_69，19，其值为0.2068，对应的白酒成分为壬酸的成分，得到新的24*79维的矩阵X：

重复第二步操作，每执行一次第二步删除一个对基酒图谱影响“最不重要”的成分，直至每个样品剩余h个“最重要的”白酒成分，通过对基酒图谱数据的分析，得到h＝59°“最重要的”59个基酒图谱数据特征构成了基酒的主要成分。

第四步.基于BP神经网络的白酒基酒图谱分类：

对第三步筛选的“最重要的”基酒主要特征成分作为神经网络训练与分类的输入，并以白酒图谱按香型进行分类为例来进行说明。

如图2所示，在神经网络结构中，采用3个输出神经元(酱香、清香和曲香)，在实验过程中，影藏层神经元对训练结果影响不大。因此，采用10个影藏层神经元，隐藏层使用Sigmoid传输函数，输出层采用线性传输函数。

1).设计输出层

由于输入选用第三步分析得到的酒样组分特征，通过计算机将这些组分的定量值输入到BP网络中，由于每组酒样含有59个“最重要的”组成，因此，其输入层应有59个神经元。相比于之前基酒的80个组分，大大减小了神经网络的输入特征数量。在输入到网络之前，需要对数据进行归一化处理，从而提高神经网络收敛速度、减小网络的训练时间。

2)设计输出层

输出层有3个神经元，数据的特征空间为[0,1]³，特征向量为d_q＝(d_q1,d_q2,d_q3)，d_qi,(i＝1,2,3)对应该系统中酒样的相应香型。

假如d_qi为d_q的分量，且满d_qi≥max(d_qj,d_qk)(i≠j≠k且i,j,k∈{1,2,3})，则认为d_qi为对应的酒样所选择的白酒香型。

以色谱仪数据为例来进行分析，色谱仪中，采样到的部分数据格式如表1所示。

对该数据进行归一化处理，得到表3归一化后的白酒部分数据：

将每一种类型的酒中随机选出一组酒样(如：第8组(浓香))，第16组(酱香)和第24组(清香)用于测试，其他组用来训练。BP神经网络构建如图3所示。

输入net＝newff(minmax(input)，[103]，{’logsig”purelin’}，’traingdx’，’learngdm’)

第五步.基酒图谱测试，测试分类结果：

设置训练速率α＝0.01，训练目标最小误差0.01。训练的收敛曲线如图4所示：

从图3中，可以看出，经过122回合之后，训练就能够收敛。在测试时候，对8组(浓香)，第16组(酱香)和第24组(清香)测试的酒样的特征向量输出分别为：

(0.9357，-0.0105，-0.1872)

(0.0733，1.0802，0.1450)

(0.0031，0.0145，0.9936)

即这三种酒的识别结果分别对应浓香、酱香与清香型基酒，其结果与实际吻合。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (1)

1.一种基于白酒基酒指纹图谱特征的分类方法，其特征在于，包括以下步骤：

S1.获取n组基酒图谱数据

获取n组白酒基酒样品的数据，设定其具有P个组分组成的白酒样本数据

x＝(x₁,x₂,...,x_p)；

S2.对白酒成分进行归一化处理

用表示第i个样本的第j个图谱数据，则n组白酒基酒样品的数据组成矩阵为

求出每列的均值u_j与标准差σ_j，j取值范围1≤j≤p，在上式矩阵中，每一个组分的数据标度相差很大，为消除由数据标度引起的权重计算差异，需要对图谱矩阵进行归一化处理，采用如下公式对上式矩阵的每一个元素进行标准化：

其中，u_j与σ_j分别为的第j列的均值和标准差，于是，得到归一化的矩阵为X：

数据矩阵X的协方差矩阵：

矩阵中：

求出矩阵S的特征值λ_i及相应的正交化单位特征向量a_i＝(a_i,1,a_i,2,a_i,3,…,a_1,p)^T，特征值由大到小排列λ₁≥λ₂≥...≥λ_m＞0，由特征向量组成的单位特征向量矩阵为：

λ_i对应的单位特征向量a_i是主成分F_i的关于原变量的系数，主成分F_i表示为：

主成分F_i的贡献率通过特征值来反映信息量的贡献率大小，贡献率α_i为：

由于λ₁≥λ₂≥...≥λ_m则，F_i的贡献率大小关系为α₁＞α₂＞…＞α_m；前几个主成分代表白酒的绝大部分信息，前q个主成分累计贡献率G(q)表示为：

当累积贡献率大于85％时，认为能够足够反映原来变量的信息，对应q是抽取的前q个主成分；

S3.PCA筛选基酒主要特征

对成分参数的数据矩阵X进行主成分分析，求出主成分F₁,F₂,…,F_m，贡献率最小的主成分为F_m，F_m由白酒成分的表达式线性表示：

F_m＝a_m1x₁+a_m2x₂+...+a_mpx_p

式中，a_m1,a_m2,...,a_mp为F_m的特征向量系数，找到该特征向量系数最大的系数a_m,g，g取值1～p之间的某一个值，a_m,g对应的白酒成分x_g，x_g理解为在这些成分对白酒特性最不重要的成分，直到每个样品的剩余的图谱成分数据个数为预先设定的值h为止；

S4.基于BP神经网络的白酒基酒图谱分类

将步骤2中筛选出的主要特征，用于作为BP的输入数量，训练出各个主要特征的权重参数，输入向量为：

X＝[x₁,x₂,...,x_m]，

输出层为：

Y＝[y₁,y₂,...,y_n]，

隐藏层为：

H＝[h₁,h₂,...,h_s]，

其中，m,s,n分别对应输入层、输出层和隐藏层的神经元个数，设W_ij为输出层第j个神经元到隐藏层第i个神经元之间的连接权重，b_i为隐藏层第i个神经元的偏置，那么：

h_i ^l＝f(net_i ^l)

其中，net_i ^l为第l层第i个神经元的输入，f为神经元的激活函数，在BP神经网络中，选用Sigmod非线性激活函数；第二种为双曲正切函数；

d(i)为对应输入x(i)的期望输出，BP算法则通过最优化各层神经元的输入，设权值以及偏置，使得神经网络的输出尽可能地接近期望输出，以达到训练的目的；

对于给定的m个训练样本，其误差函数为：

其中，为单个样本的训练误差，从而有

BP算法每一个迭代按照以下方式对权值以及偏置进行更新：

其中，利用步骤2中筛选后的特征，对已知特级、香型和类型等因素的酒样进行训练，来分配图谱中的各项组分特征对这些因素的权重系数，从而能够对新的图谱按照等级、香型和类型等因素进行分类的效果；

S5.基酒图谱测试，测试分类结果

将步骤4中每种类型的酒中的随机选出一组酒样用于测试，其他组用来训练，构建BP神经网络，设置训练速率、训练目标，测试酒的识别结果与实际是否吻合。