数据挖掘技术在卷烟配方优化中的应用
配方产品优化设计是一门复杂的综合技术，涉及多个学科领域。为了获得性能优异、能满足使用要求的配方，需根据产品的性能要求和工艺条件，通过试验、优化、鉴定，合理地选用原材料，确定各种原材料的用量配比关系。对于这样一个复杂的多目标配方体系，试验方法的设计就显得尤为重要。近年来对配方优化设计的应用研究十分活跃。面对如此多的设计方法，如何合理选用已成为配方设计者的一大难题。
本文针对烟草行业所采集的数据特点，对数据挖掘技术在卷烟产品配方优化设计中的应用进行了研究。利用统计分析的方法对行业数据进行分析、特征提取，从不同的层面和角度来分析变量间的相关关系。M5'模型树法建立的学习模型直观、清晰，容易被用户所接受，将其应用在卷烟的感觉评估领域。SVM方法具有很强的非线性逼近能力，被用于建立预测产品感官质量的学习模型，适用于解决高维、小样本问题。最后，利用遗传算法，以烟叶理化成份与卷烟感官、烟气指标相关性为依据，确定约束条件设计优化模型以达到最低成本为目标，通过优化模型的运行来取得所需风格卷烟的最佳配比组合，同时能提前对设计出的叶组配方进行预估，实现对重点指标的重点控制，使设计更具科学性和合理性。
卷烟配方优化;数据挖掘;配方优化;遗传算法;特征提取;支持向量机
中国海洋大学
硕士
通信与信息系统
丁香乾
2008
中文
TP311.131
69
2008-12-08（万方平台首次上网日期，不代表论文的发表时间）