鲁棒孪生支持向量机在乳制品鉴别中的应用研究开题报告

1. 研究目的与意义

随着经济水平的不断增长，人们的生活那水平也日益提高，对于乳制品的需求也逐渐增多，乳制品的种类也日益丰富。随着经济和科技的发展，中国已成为世界第三大牛奶生产国。同时，也是乳制品的主要进口国。中国是人均乳制品消费增长最快的国家。然而乳制品行业蓬勃发展的同时，其产品质量却是良莠不齐，过去的几十年中，乳制品质量问题层出不穷，特别是针对婴幼儿的“三鹿奶粉”事件更是震惊全国，使人们对于乳制品的质量忧心不已。受此事件影响，民众对于国内乳制品的信赖度急剧下降，纷纷购买进口乳制品，造成巨大经济损失，引起国家高度重视。国家对于乳制品食品安全问题特别是婴幼儿乳制品出台了一系

列的整改政策，逐步完善食品安全配套法规制度，出台了史上最严食品安全法，加强乳制品质量安全管理。[1]如今，随着乳制品种类的不断增多，出现了针对于婴幼儿的一种新型产品，奶酪棒，随着奶酪棒的销量不断增长，其质量问题也成为越来越多的消费者关注的重点。

2. 研究内容和预期目标

一、研究内容

对于二分类问题，传统支持向量机(svm)依据大间隔原则生成分类超平面，存在的缺陷是计算复杂度高且没有充分考虑样本的分布。[6]近年来，源于广义特征值近似支持向量机(gepsvm)的twsvm逐渐成为模式识别领域新的研究热点。于 twsvm，近年发展了许多改进方法，r-twsvm就是其中的一种，该方法不仅具有更好的泛化性能，而且选取少量边界点作为支持向量，进一步降低了二次规划求解的计算开销。

3. 国内外研究现状

一、国外研究现状

基于gepsvm的思想，jayadeva（2007）等提出了孪生支持向量机（twin support vector machine），twsvm将gepsvm问题（广义特征值问题）转换为相关的svm型问题（qpps），故twsvm具有svm的众多特性，如经验最小化原则、支持向量概念等。twsvm通过求解两个qpps来获得两个非平行最优平面，计算成本仅是传统svm的1/4，在大规模数据上，twsvm的处理能力优秀于svm。[8]由于twsvm本身所具有的优势，近年来许多研究者对twsvm做了进一步的优化。为了减少因输入参数的误差在决策过程中被放大，从而导致的错误分类出现的可能性，有学者导出了一个通用的统计公式，其中未观察到的输入被建模为隐藏的混合成分[9]，有的学者采用斜坡损失函数构造鲁棒模型[10]，还有学者采用二阶锥规划（socp）方法处理缺失和不确定的数据[11]，有的学者采用新型损失函数评估模型等[12]。基于孪生支持向量机技术的多方面的改进措施将使其更有利于应用在各项领域中。

4. 计划与进度安排

2022.11.1-2022.12.31 选题、开题、确定写作调研提纲，文献收集、整理分析

2022.1.1-2022.5.6 撰写、提交论文初稿，中期检查

2022.5.7-2022.5.10 反复修改论文，并提交修改稿

5. 参考文献