基于PCA-IPSO-SVM的葡萄酒分类研究

作者：胡青; 曲润; 胡珍; 龚世才^*

来源：重庆科技学院学报(自然科学版), 2023, 25(02): 103-109.

DOI：10.19406/j.cnki.cqkjxyxbzkb.2023.02.002

• 主成分分析
• 粒子群算法
• 支持向量机
• 葡萄酒分类

提出了一种基于主成分分析(principal component analysis, PCA)与改进粒子群算法(improved particle swarm optimization, IPSO)优化支持向量机的方法。通过PCA的特征提取能力降低模型输入的维度，利用IPSO寻找向量机(SVM)的最佳参数，从而构建葡萄酒分类模型(PCA-IPSO-SVM)。实验结果表明，PCA-IPSO-SVM不仅消除了变量之间的相关性，充分利用了原始数据的信息价值，有效地提升了预测性能，同时也解决了传统SVM分类精度低以及迭代后期收敛速度慢等问题。

• 单位
  湖北工业大学; 浙江科技学院