来源：期刊VIP网 时间：
作者：李晓平;刘科材;庞婷婷;张贵宇;庹先国;彭英杰;曾祥林;
单位：四川轻化工大学,人工智能四川省重点实验室;四川轻化工大学自动化与信息工程学院;四川轻化工大学,工程实践中心;四川轻化工大学,酿酒生物技术及应用四川省重点实验室;四川轻化工大学,中国轻工业酿酒生物技术及智能制造重点实验室;四川轻化工大学计算机科学与工程学院;
摘要：原酒中物质复杂多样，主要以感官评价为导向，缺少以微量组分为依据的数字化评价方法。因此，该研究以浓香型白酒的原酒为研究对象，利用GC-MS测定原酒风味成分含量，使用平均斯皮尔曼(average Spearman, AS)筛选出异常样本，为后续分析提供可靠输入。通过贝叶斯-弹性网络(Bayesian elastic net, B-EN)筛选出对等级贡献较大的特征物质，再结合最大互信息系数(maximal information coefficient, MIC)进一步联系物质与原酒质量间的各种相关关系，最后将原酒中大量复杂的成分信息集中于2种算法提取出的36种特征物质。利用边界合成少数过采样技术(Borderline SMOTE)补充不平衡数据，将36种特征物质作为极致梯度提升(extreme gradient boosting, XGB)模型的输入，最终分类准确率能达到95.38%,相比未经处理的数据提高了12.05%。该研究提出的方法充分考虑了原酒的数据特征，可为分析原酒微量成分与质量的相关性提供新思路。
关键词：原酒等级;;特征提取;;异常剔除;;弹性网络;;最大互信息;;平均斯皮尔曼
基金资助：酿酒生物技术及应用四川省重点实验室开放课题(NJ2022-06);; 劲酒产学研合作项目(HX2021041);; 四川轻化工大学“652”科研创新团队计划资助项目(SUSE652B005);; 五粮液产学研合作项目(CXY2022ZR007);; 中国轻工业酿酒生物技术及智能制造重点实验室开放基金项目(2023-01);; 企业信息化与物联网测控技术四川省高校重点实验室开放基金资助项目(2023WYY02)
