[发明专利]一种辅助叶组配方平衡替换的方法

权利要求书

1. 一种基于机器学习的辅助叶组配方平衡替换的方法，其特征在于：包括以下步骤：

（1）基于规则的原料分类：将原料历史替换的所有数据进行汇总，对比分析历史替换数

据中各个属性变更的频次，根据频次得到库存信息和原料属性身份信息对原料可替换的重要性程度的排序；再根据重要性程度的排序，建立决策树，将第一重要属性作为对预测效果改进的最大的自变量，被首先用于拆分节点，随后又将第二重要属性进行第二次拆分，以此类推，最终找到可替换的原料；

（2）基于聚类算法的原料分类：整理归纳现有可用库存原料，建立多维空间体系，以原

料的特征身份信息作为维度，每一条原料根据不同特征属性的维度生成多个空间坐标点；

通过聚类算法在现存原料的特征属性中挑选多维度特征近似趋同的原料作为可替换备选；然后利用历史替换记录修正聚类偏差，获得部分可替换原料；

聚类算法指多维空间体系算法，具体算法为：以配方替换所需原料的特征身份信息作为不同纬度离散点，对离散数据点给定分组数进行同纬度下的集合划分，形成不规则立体图，并在同纬度下的数据集中随机抽取一个数值点k，计算k到下一个随机数值距离的中心点，并将该中心点设为k；以局部加权的形式随机抽取出下一个点，计算k到新点的中心点ko；依次计算k到所有非中心点的距离和L以及ko到所有非中心点的距离和Lo；若LLo，则将ko赋予k，当对所有集合完成计算，各个集合最终回归得到一个中心点并保存，最后每个维度的中心点对应反馈回各维度定义的特征身份信息，根据算出的中心值在库存原料遍历搜寻相同或最近似的值，综合各维度的特征身份信息给出可能存在库存原料，或与计算结果中特征因子最相近的库存原料，并根据相近值进行排序；

（3）基于机器学习算法的评价预测：将步骤（1）与步骤（2）中的可替换原料结果结合取正交集合，所得集合即为最终的可替换原料列表；

所得集合代入完整配方替换需求的环境中，对应替换过原料的卷烟配方进行专业评价分值比较，进行验证；或者，结合历史数据，采用步骤（2）中聚类算法，对所得集合纳入算法进行不断地循环验证。

2.根据权利要求1所述的辅助叶组配方平衡替换的方法，其特征在于：所述步骤（1）的

频次中频次越高的，则该属性特征对原料替换的影响程度越低。

3.根据权利要求1所述的辅助叶组配方平衡替换的方法，其特征在于：所述步骤（1）的

库存信息是指是否拥有库存。

4.根据权利要求1所述的辅助叶组配方平衡替换的方法，其特征在于：所述步骤（1）的

原料属性身份信息包括是否关联牌号、品种信息、原料二级产地、年份、原料三级产地和价格。

5.根据权利要求1所述的辅助叶组配方平衡替换的方法，其特征在于：所述步骤（2）的

原料的特征身份信息包括年份、产地、等级、部位。