第30卷，第4期 2010年4
光谱学与光谱分析 Spectroscopy and Spectral Analysis
酒香型光谱分析和模式识别计算分析姜安"，彭江涛"，彭思龙"，魏纪平2，李长文2
1.中国科学院自动化研究所，北京100190 2.天津天士力集团食品研究所，天津300410
Vol. 30,No. 4, Pp920923
April，2010
摘要白酒是一个复杂的混合物体系，它含有大量的微量成分，这些微量成分直接决定了白酒的品质、口感和香型。为实现对白酒香型的快速鉴别，可采集不同香型白酒的红外光谱图，并将其作为模式分类方法的输人模式，建立白酒香型鉴别模型。首次全面系统地介绍了白酒香型模式识别算法，这些算法包括统计分类器（线性判别函数、二次判别函数、正则判别分析、K近邻算法）、原型学习算法（学习量献化）、支持向量机和AdaBoost算法。实验结果表明，基于红外光谱的白酒香型检测模式识别算法达到了很高的分类准确率、识别率和拒绝率，显示出了很好的性能。
关键词红外光谱；白酒香型检测：模式分类；高斯分类器；学习矢量量化
中图分类号：O657.3文献标识码：ADOI：10.3964/j.isn.1000-0593(2010)04-0920-04
合物体系的优点，目前已广泛应用于食品安全、农产品质量
引言
白酒的成分包含98%～99%的乙醇和水，以及1%～ 2%的香味物质。这些香味物质种类繁多，使白酒呈现出不同的口感和香型。白酒按香型可分为酱香、浓香、清香、米香和复合香型等，其中酱香、浓香、清香是传统大曲酒的三大主流香型。
传统的白酒香型分类主要有两种方法，一种是专家进行感官评审；另一种是利用理化分析的方法析微量香气组分，根据香气组分的含量来确定白酒香型。但是，这2种方法都有其缺陷。感官品尝的方法量然简单、直接，但它不仅跟品酒师的经验和敬业程度有关，还跟品酒师品尝时的生理状态、心理状态有关，这些因素都会使得品尝结果不稳定。理化分析方法主要用气相色谱法来分离、鉴别香气成分，不同白酒所含的香气成分（如酸、酯、醇、醛、制等）大体相同，其含量的不同构成了不同风格的香型，但是定量检测这些成分的含量有一定难度，而且操作过程非常复杂。另外，由于白酒本身是一个复杂的混合物体系，目前所知的有几百种微量成分，而能检测出来的只有自余种，仍有许多微量成分尚无定论，但是它们仍然对白酒的口感、香型有着很大的影响，因此，理化分析也很难从根本上解决白酒香型的分类向题。
傅里叶红外光谱技术具有快速、整体、无损鉴定复杂混收稿日期：2009-04-08，修订日期：2009-07-12
基金项目：国家科技支撑计划重点项目（2006BAK07B04)资助
作者简介：姜安，1979年生，中国科学院自动化研充所博士研究生万方数据
控制、药物分析等领域。近年来，由于模式识别技术的引进，红外光谱分析技术得到了很大的提升。本文将模式识别中的线性判别函数(LDF)、二次判别函数（QDF)、正则判别分析(RDA)、K近邻(KNN)、学习矢量量化(LVQ)、支持向量机(SVM)以及AdaBoost等算法应用到白酒香型检测中，有效克服了传统的白酒香型鉴定方法不够科学规范、难适应于综合宏观的整体评价等缺陷，取得了满意的分类效果。
白酒红外光谱模式分类算法
已知白酒红外光谱数据样本集为（（z，）i=1，， n)，其中z,ER为第i个光谱数据样本，yEY=(1，2，，m是相应的白酒香型标识，m为香型类别总数。白酒模式分类模型中输人的模式就是光谱数据，根据训练得到的判据模型对未知样本进行判别，得到的输出就是相应白酒的香型类别：
模式分类方法包括统计方法、人工神经网络、核方法和多分类器组合算法等。统计模式分类("根源于贝叶斯(Bayesian)决策规则。根据概率密度函数的形式是否已知，统计分类器可分为参数分类器与非参数分类器。在参数分类器中，概率分布常假设为Gaussian分布，相应的分类器为高斯分类器，如线性判别函数(LDF)、二次判别函数(QDF)和正则判别分析(RDA)等算法。K近邻决策是一种广泛使用的
e-mail; an jiang@ia, ac cn