果酒品质评价的自适应量子粒子群LS-SVM模型

摘要：

针对BP神经网络和遗传算法对果酒品质预测存在速度慢和精度低的缺点,建立了一种基于量子行为粒子群算法(QPSO)的最小二乘支持向量机(LS-SVM)的果酒品质预测模型.模型通过引入粒子的进化度和聚合度,动态调整收缩扩张因子,从而实现了算法的动态自适应性.仿真结果表明:基于自适应量子粒子群的LS-SVM果酒品质评价预测模型优于所比较的BP神经网络和最小二乘支持向量机两种模型,具有较好的泛化性能和预测精度.

关键词：最小二乘支持向量机、量子粒子群、预测模型

所属期刊栏目：13

分类号：TS262.7;TP391.77(食品工业)

资助基金：酿酒生物技术及应用四川省重点实验室开放基金项目NJ2011-09

在线出版日期：2013-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：5026-5030,5045