褚旭 許強(qiáng) 殷瑜東 趙勇 韋剛 周永建 宋松 胡宗玉

摘要：為辨析不同聚類(lèi)分析方法在卷煙葉組配方模塊中的分類(lèi)效果，以不同配方模塊煙葉的10項(xiàng)感官指標(biāo)為研究對(duì)象，在利用因子分析提取主成分的基礎(chǔ)上，通過(guò)3種聚類(lèi)分析方法對(duì)不同配方模塊進(jìn)行分類(lèi)，并對(duì)分類(lèi)結(jié)果進(jìn)行比較和統(tǒng)計(jì)檢驗(yàn)。結(jié)果表明不同配方模塊煙葉的差異規(guī)律各不相同，說(shuō)明煙葉感官質(zhì)量的不同指標(biāo)間存在高度的信息重疊。因子分析共提取2個(gè)主成分因子，累計(jì)方差貢獻(xiàn)率為81.96%，特征值分別為7.02、1.18。3種聚類(lèi)分析方法的分類(lèi)結(jié)果不盡相同，其中加權(quán)主成分距離聚類(lèi)的分類(lèi)效果最佳，錯(cuò)分率為6.67%；加權(quán)主成分聚類(lèi)次之，錯(cuò)分率為10.83%；一般主成分聚類(lèi)的分類(lèi)效果最差，錯(cuò)分率達(dá)到18.33%。統(tǒng)計(jì)檢驗(yàn)結(jié)果表明，加權(quán)主成分距離聚類(lèi)的F檢驗(yàn)均值最大（98.17），加權(quán)主成分聚類(lèi)次之（91.05），一般主成分聚類(lèi)F檢驗(yàn)的均值最低，為70.14。加權(quán)主成分距離聚類(lèi)的分類(lèi)效果優(yōu)于其他2類(lèi)聚類(lèi)方法，分類(lèi)結(jié)果的統(tǒng)計(jì)檢驗(yàn)結(jié)果更好，適合不同卷煙配方模塊的分類(lèi)研究。

關(guān)鍵詞：卷煙葉組；配方模塊；聚類(lèi)分析；自適應(yīng)賦權(quán)

中圖分類(lèi)號(hào)：TS44+2 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2023）15-0149-06

基金項(xiàng)目：江蘇中煙工業(yè)有限責(zé)任公司戰(zhàn)略課題項(xiàng)目。

作者簡(jiǎn)介：褚 旭（1987—），男，江蘇揚(yáng)州人，碩士，農(nóng)藝師，主要從事煙葉原料研究。E-mail：chuxu@jszygs.com。

通信作者：胡宗玉，工程師，主要從事煙葉原料研究。E-mail：huzy@jszygs.com。

卷煙產(chǎn)品質(zhì)量的穩(wěn)定性對(duì)于提高其市場(chǎng)競(jìng)爭(zhēng)力，擴(kuò)大品牌關(guān)注度具有重要作用［1］。長(zhǎng)期以來(lái)，傳統(tǒng)卷煙葉組配方內(nèi)在質(zhì)量的表征主要依據(jù)煙葉原料的感官評(píng)吸特性，不同配方模塊分類(lèi)的穩(wěn)定性受到評(píng)吸人員技能和喜好的影響，缺乏直觀的定量描述［2］。如何更加客觀、快速地選取合適的庫(kù)存煙葉進(jìn)行配方替換，維持配方的穩(wěn)定性，是卷煙產(chǎn)品維護(hù)的關(guān)鍵環(huán)節(jié)之一［3］。聚類(lèi)分析是通過(guò)數(shù)學(xué)方法研究數(shù)據(jù)內(nèi)在特征上的相似性與差異性的多元統(tǒng)計(jì)方法［4］。傳統(tǒng)聚類(lèi)分析方法無(wú)法解決樣本指標(biāo)間的高度相關(guān)性，評(píng)價(jià)結(jié)果的質(zhì)量難以把控［5］。為滿足多指標(biāo)評(píng)價(jià)的要求，克服指標(biāo)間高度相關(guān)性對(duì)分類(lèi)結(jié)果的影響［6］，王德青等多采用一般主成分聚類(lèi)分析方法進(jìn)行分類(lèi)評(píng)價(jià)［7-8］。為進(jìn)一步提高分類(lèi)結(jié)果的準(zhǔn)確性，王德青等提出基于方差貢獻(xiàn)率的加權(quán)主成分聚類(lèi)分析方法［9］；呂巖威等提出加權(quán)主成分距離聚類(lèi)分析方法，并從理論層面解決傳統(tǒng)聚類(lèi)分析方法中存在的問(wèn)題［10］。褚旭等的研究多集中于煙葉質(zhì)量的差異性對(duì)比［11-12］。為進(jìn)一步挖掘卷煙品牌的自身特色，客觀探尋煙葉原料的替代原料，本研究以3種聚類(lèi)分析方法為基礎(chǔ)，分析不同方法在卷煙葉組配方模塊分類(lèi)上的應(yīng)用效果，并以錯(cuò)分率［10］和F值為檢驗(yàn)依據(jù)，比較不同方法的分類(lèi)效果，以期為提高卷煙產(chǎn)品品質(zhì)的穩(wěn)定性，拓展不同煙葉的使用范圍打開(kāi)一個(gè)新的思路。

1 材料與方法

1.1 材料

煙葉樣品取自江蘇中煙工業(yè)有限責(zé)任公司（簡(jiǎn)稱江蘇中煙）在庫(kù)已醇化的單料煙葉，共計(jì)120份。依據(jù)煙葉原料在蘇產(chǎn)卷煙品牌配方中的使用特點(diǎn)劃分為3個(gè)不同的葉組配方模塊，即提質(zhì)、平衡和填充模塊。其中，提質(zhì)模塊煙葉香氣質(zhì)較好，香氣量較足，評(píng)吸指標(biāo)得分較高；平衡模塊煙葉在卷煙配方中主要起平衡煙氣狀態(tài)，降低刺激性和干燥感的作用，對(duì)香氣質(zhì)和香氣量起修飾效果；填充模塊煙葉的各感官評(píng)價(jià)指標(biāo)得分相對(duì)較低，對(duì)卷煙香氣質(zhì)和香氣量沒(méi)有明顯作用，在配方中主要起填充作用。每個(gè)模塊40份樣品，采集的樣品用于單料煙感官指標(biāo)的測(cè)定。

1.2 指標(biāo)測(cè)定

由江蘇中煙評(píng)吸委員會(huì)組織評(píng)吸專家按照《烤煙 煙葉質(zhì)量風(fēng)格特色感官評(píng)價(jià)方法》（YC/T 530—2015）對(duì)煙葉樣品進(jìn)行感官評(píng)吸，具體評(píng)價(jià)指標(biāo)為香氣質(zhì)、香氣量、透發(fā)性、雜氣、細(xì)膩程度、柔和程度、圓潤(rùn)感、刺激性、干燥感和余味，按0～5分等距標(biāo)度評(píng)分法進(jìn)行打分并取平均值［13］，其中雜氣的得分取其9個(gè)子指標(biāo)中的最大值，雜氣（d）、刺激性（h）、干燥感（i）的分值分別為（5-d）、（5-h）、（5-i）［14］。

1.3 因子分析

因子分析是將n個(gè)產(chǎn)區(qū)煙葉樣本的p個(gè)指標(biāo)構(gòu)成因子分析相關(guān)矩陣［15］。表示為

利用因子分析，提取特征值大于1的主成分因子。其中，各產(chǎn)區(qū)的主成分綜合得分為各提取主成分得分與該主成分貢獻(xiàn)率的乘積之和［16］。

1.4 聚類(lèi)分析

聚類(lèi)分析是一種分類(lèi)方法，其在計(jì)算樣品之間的距離和類(lèi)與類(lèi)之間距離的基礎(chǔ)上，逐級(jí)合并，直至所有樣品都成為一類(lèi)為止［17］。

1.4.1 一般主成分聚類(lèi)

一般主成分聚類(lèi)借助因子分析提取主成分因子，并以等權(quán)的形式代替原始指標(biāo)進(jìn)行聚類(lèi)分析［17］。其中，規(guī)定一般主成分聚類(lèi)分析方法所定義的樣本Ii和Ii1之間的距離為［18］

式中：dii1（q）表示樣本Ii和Ii1之間的距離，距離越小表示2個(gè)樣本相似程度越大，距離越大表示2個(gè)樣本相似程度越小。

1.4.2 加權(quán)主成分聚類(lèi)

在實(shí)際應(yīng)用時(shí)，一般主成分聚類(lèi)采用等權(quán)的主成分因子代替原始指標(biāo)直接進(jìn)行聚類(lèi)分析，會(huì)削弱特征權(quán)重較大的第一主成分因子的重要性［9-10］，從而導(dǎo)致聚類(lèi)結(jié)果失真。

為解決上述問(wèn)題，王德青等提出基于方差貢獻(xiàn)率的加權(quán)主成分聚類(lèi)分析方法［18］，其定義的樣本Ii和Ii1之間的距離為

式中：βk（k=1，2，…，s）表示主成分因子Fk所對(duì)應(yīng)的特征權(quán)重，可表示為

加權(quán)主成分聚類(lèi)進(jìn)一步考慮不同主成分因子對(duì)分類(lèi)重要性的客觀差異［7，9］，在一定程度上可以彌補(bǔ)一般主成分聚類(lèi)存在的失真問(wèn)題。

1.4.3 加權(quán)主成分距離聚類(lèi)

在加權(quán)主成分聚類(lèi)中，同樣可能存在失真的問(wèn)題［4］，進(jìn)而提出加權(quán)主成分距離聚類(lèi)［4］，其定義的樣本Ii和Ii1之間的距離為

與加權(quán)主成分聚類(lèi)的距離定義不同，加權(quán)主成分距離聚類(lèi)在計(jì)算距離時(shí)并非直接對(duì)主成分因子賦權(quán)，而是按照各主成分因子所對(duì)應(yīng)的特征權(quán)重對(duì)不同主成分因子下的樣本距離進(jìn)行自適應(yīng)賦權(quán)［10］。

1.5 統(tǒng)計(jì)檢驗(yàn)

1.5.1 錯(cuò)分率

在已知所有煙葉樣品所屬葉組配方模塊的情況下，將不同方法計(jì)算的分類(lèi)結(jié)果與其實(shí)際所屬配方模塊進(jìn)行對(duì)比，以錯(cuò)分率的高低判斷不同聚類(lèi)方法的優(yōu)劣［10］。

1.5.2 F檢驗(yàn)

結(jié)合呂巖威等的研究成果［4］，通過(guò)計(jì)算不同聚類(lèi)分析方法分類(lèi)結(jié)果類(lèi)間（SSA）和類(lèi)內(nèi)（SSE）的離差平方和進(jìn)行F檢驗(yàn)。

式中：ni表示第i類(lèi)的樣本個(gè)數(shù)；x表示所有樣本的均值；xi表示第i類(lèi)的樣本均值；xij表示單個(gè)樣本得分；k表示聚類(lèi)數(shù)；n表示參與分類(lèi)的樣本數(shù)。

1.6 數(shù)據(jù)處理

煙葉感官質(zhì)量指標(biāo)的標(biāo)準(zhǔn)化采用灰色局勢(shì)決策中的效果測(cè)度法進(jìn)行測(cè)定［19］。

應(yīng)用Matlab 2009b和SPSS 18.0軟件進(jìn)行數(shù)據(jù)分析，利用Excel軟件進(jìn)行統(tǒng)計(jì)作圖。不同煙葉樣品的各項(xiàng)感官評(píng)吸得分在計(jì)算所有樣品的基礎(chǔ)上進(jìn)行匯總后平均得到。

2 結(jié)果與分析

2.1 不同配方模塊煙葉感官質(zhì)量情況及各指標(biāo)間的相關(guān)關(guān)系

由表1可知，不同模塊煙葉感官質(zhì)量的得分狀況存在較大差異。多重比較分析結(jié)果顯示，提質(zhì)模塊在香氣質(zhì)、香氣量、細(xì)膩程度、圓潤(rùn)感方面的評(píng)吸情況顯著好于其他2個(gè)模塊。與之相比，平衡模塊相應(yīng)指標(biāo)的得分稍低，但煙葉的透發(fā)性、雜氣、柔和程度、余味與提質(zhì)模塊相當(dāng)，刺激性和干燥感的得分情況好于提質(zhì)模塊，這與其模塊配方的初衷相吻合。填充模塊煙葉感官指標(biāo)的得分情況整體較低，與提質(zhì)和平衡模塊煙葉的感官指標(biāo)得分大部分存在顯著差異。不同模塊煙葉質(zhì)量指標(biāo)的差異規(guī)律各不相同。進(jìn)一步探究不同感官質(zhì)量指標(biāo)間的相關(guān)關(guān)系可知，煙葉感官指標(biāo)中除煙葉透發(fā)性和刺激性外，其余指標(biāo)均呈現(xiàn)極顯著相關(guān)關(guān)系。煙葉不同感官指標(biāo)間顯著或極顯著的相關(guān)關(guān)系表明，不同指標(biāo)間存在多重信息重疊（表2）。綜上，不同配方模塊煙葉的感官質(zhì)量指標(biāo)大小不一、差異規(guī)律各異，而表征其感官質(zhì)量的各個(gè)指標(biāo)間又存在高度的信息重疊，在分類(lèi)前可對(duì)相關(guān)信息進(jìn)行合并，提取具有代表性的綜合指標(biāo)。

2.2 基于因子分析的主成分提取

對(duì)標(biāo)準(zhǔn)化后的煙葉不同感官指標(biāo)數(shù)據(jù)進(jìn)行因子分析和主成分提取。KMO檢驗(yàn)結(jié)果為0.81，表明指標(biāo)間存在高度相關(guān)性。Bartlett檢驗(yàn)的相伴概率接近0.00，說(shuō)明相關(guān)系數(shù)矩陣與單位矩陣有顯著差異［4］，適合進(jìn)行因子分析。應(yīng)用因子分析方法提取主成分因子，特征值大于1的主成分共有2個(gè)（表3），累計(jì)方差貢獻(xiàn)率達(dá)到81.96%，說(shuō)明2個(gè)主成分因子能夠解釋原始指標(biāo)的絕大多數(shù)信息。

因子載荷矩陣可以顯示各指標(biāo)與主成分之間的關(guān)系，指標(biāo)與某一主成分的相關(guān)系數(shù)的絕對(duì)值越大，則該成分與指標(biāo)間的聯(lián)系越緊密［16］。由表3可知，不同感官質(zhì)量指標(biāo)中香氣質(zhì)、香氣量、透發(fā)性、細(xì)膩程度、柔和程度、圓潤(rùn)感與第一主成分因子的載荷最高，說(shuō)明第一主成分因子可以反映這6項(xiàng)指標(biāo)的信息，方差貢獻(xiàn)率達(dá)到70.15% 這些指標(biāo)主要反映煙葉的香氣和煙氣特性，將第一主成分因子稱為品質(zhì)因子1。相對(duì)應(yīng)地，第二主成分與煙葉感官的雜氣、刺激性、干燥感、余味等4項(xiàng)指標(biāo)的載荷最高，方差貢獻(xiàn)率達(dá)11.81%，主要反映煙葉的香氣和口感特性，可稱為品質(zhì)因子2。

從不同主成分因子的方差貢獻(xiàn)率來(lái)看，第一主成分因子的方差貢獻(xiàn)率最高，為70.15%，第二主成分因子的方差貢獻(xiàn)率為11.81%，較第一主成分因子低58.34百分點(diǎn)，在主成分因子中占據(jù)最重要的作用。通過(guò)分析不同主成分散點(diǎn)圖的分布可知，第一主成分因子中提質(zhì)、平衡、填充3個(gè)不同類(lèi)之間區(qū)分度明顯（圖1-a）。與之相對(duì)的，上述3個(gè)模塊在第二主成分因子中的分布較密集（圖1-b）。2類(lèi)主成分中，第一主成分對(duì)于正確區(qū)分葉組配方模塊的作用大于第2類(lèi)，為了提高分類(lèi)精度須要考慮不同主成分因子對(duì)分類(lèi)結(jié)果作用的客觀差異（圖1）。

2.3 不同聚類(lèi)分析方法的分類(lèi)結(jié)果

為提高不同聚類(lèi)分析方法間的可比性，統(tǒng)一以歐式距離（q=2）作為樣本間相似程度的統(tǒng)計(jì)量，并以Ward方法測(cè)度類(lèi)間距離［20］，以此劃分標(biāo)準(zhǔn)將煙葉劃分為3類(lèi)（表4）。由表4可知，在3種聚類(lèi)分析方法中，錯(cuò)分率最高的是一般主成分聚類(lèi)，其次為加權(quán)主成分聚類(lèi)，錯(cuò)分率最低的是加權(quán)主成分距離聚類(lèi)。可見(jiàn)，一般主成分聚類(lèi)分類(lèi)效果最差，錯(cuò)分率達(dá)到18.33%；加權(quán)主成分聚類(lèi)分類(lèi)效果稍好，錯(cuò)分率為10.83%；加權(quán)主成分距離聚類(lèi)分類(lèi)效果最佳，錯(cuò)分率為6.67%。對(duì)比不同配方模塊的分類(lèi)結(jié)果，3種聚類(lèi)分析方法對(duì)于填充模塊的分類(lèi)效果均較好；而在平衡模塊和提質(zhì)模塊的分類(lèi)過(guò)程中，加權(quán)主成分距離聚類(lèi)效果最好，其次為加權(quán)主成分聚類(lèi)，一般主成分聚類(lèi)表現(xiàn)最差，不同方法的錯(cuò)分現(xiàn)象主要集中于提質(zhì)與平衡模塊上。

從分類(lèi)思想來(lái)看，一般主成分聚類(lèi)未對(duì)不同主成分的分類(lèi)重要性進(jìn)行區(qū)分。相對(duì)應(yīng)地，加權(quán)主成分聚類(lèi)則會(huì)放大第一主成分對(duì)分類(lèi)的重要性［9］。結(jié)合不同配方模塊多重比較的分析結(jié)果，在與第一主成分聯(lián)系緊密的6項(xiàng)感官指標(biāo)中，提質(zhì)模塊與平衡模塊在香氣質(zhì)、香氣量、細(xì)膩程度、圓潤(rùn)感等4項(xiàng)指標(biāo)間均有顯著差異，而在表征煙葉香氣與口感特性的第二主成分的4項(xiàng)指標(biāo)中，提質(zhì)模塊與平衡模塊有2項(xiàng)指標(biāo)（雜氣和余味）未達(dá)到顯著差異。從實(shí)際分類(lèi)效果來(lái)看，放大差異較顯著的第1類(lèi)主成分的加權(quán)主成分聚類(lèi)方法能夠更好地區(qū)分提質(zhì)模塊和平衡模塊，而以等權(quán)思維進(jìn)行聚類(lèi)分析的一般主成分聚類(lèi)對(duì)2類(lèi)配方模塊的區(qū)分效果欠佳。

加權(quán)主成分距離聚類(lèi)對(duì)不同配方模塊的錯(cuò)分率最低，在3種聚類(lèi)方法中分類(lèi)效果最佳。分析其原因可能是提取的2類(lèi)主成分因子的方差貢獻(xiàn)率分別為70.15%、11.81%，在主成分因子信息含量相差較大的情況下，一般主成分聚類(lèi)和加權(quán)主成分聚類(lèi)的分類(lèi)結(jié)果均存在失真的問(wèn)題。而借助對(duì)不同主成分因子進(jìn)行自適應(yīng)賦權(quán)，加權(quán)主成分距離聚類(lèi)取得最符合實(shí)際的分類(lèi)結(jié)果，聚類(lèi)效果優(yōu)于其他2類(lèi)聚類(lèi)分析方法。

2.4 分類(lèi)結(jié)果的統(tǒng)計(jì)檢驗(yàn)

對(duì)不同聚類(lèi)分析方法的分類(lèi)結(jié)果進(jìn)行F檢驗(yàn)，定量考察不同方法的分類(lèi)質(zhì)量。依據(jù)系統(tǒng)聚類(lèi)的分類(lèi)原則，合理聚類(lèi)的目標(biāo)在于盡可能大的類(lèi)內(nèi)相似性和盡可能小的類(lèi)間相似性［4］，以離差平方和的大小表征相似性的高低，離差平方和越大表示相似性越低，離差平方和越小則表示相似性越高。

利用公式（6）～公式（8）計(jì)算加權(quán)主成分距離聚類(lèi)分類(lèi)結(jié)果的總類(lèi)間離差平方和、總類(lèi)內(nèi)離差平方和、F值，進(jìn)而比較不同聚類(lèi)分析方法的統(tǒng)計(jì)結(jié)果（表5）。由表5可知，一般主成分聚類(lèi)的F值最低，為70.14，總類(lèi)間離差平方和最小，總類(lèi)內(nèi)離差平方和最大，分類(lèi)效果劣與其他2種聚類(lèi)分析方法。在第一主成分因子方差貢獻(xiàn)率較大的情況下，一般主成分聚類(lèi)忽略不同主成分因子分類(lèi)重要性的客觀差異會(huì)導(dǎo)致分類(lèi)結(jié)果的效果下降［4］。

加權(quán)主成分聚類(lèi)的F值為91.05，高于一般主成分聚類(lèi)，低于加權(quán)主成分距離聚類(lèi)。一方面，加權(quán)主成分聚類(lèi)將不同主成分因子的信息差異納入分類(lèi)結(jié)果，較一般主成分聚類(lèi)的分類(lèi)效率更高，但分類(lèi)效果較加權(quán)主成分距離聚類(lèi)稍遜。

相對(duì)上述2種聚類(lèi)分析方法，加權(quán)主成分距離聚類(lèi)分類(lèi)結(jié)果的F值最高，為98.17。一方面是由于加權(quán)主成分距離聚類(lèi)可以簡(jiǎn)化數(shù)據(jù)結(jié)構(gòu)［9］，另一方面則得益于加權(quán)主成分距離聚類(lèi)考慮到不同主成分因子對(duì)分類(lèi)的貢獻(xiàn)度，以自適應(yīng)的思維準(zhǔn)確賦予各主成分因子不同的權(quán)重，賦權(quán)方法更加合理，因此所得的分類(lèi)結(jié)果更加客觀。

3 結(jié)論與討論

在卷煙生產(chǎn)過(guò)程中，葉組配方是由多種不同的單等級(jí)片煙按照一定比例配伍而成，是維持卷煙品牌質(zhì)量穩(wěn)定的重要內(nèi)容［3］。目前，葉組配方的設(shè)計(jì)大多依靠配方人員積累的經(jīng)驗(yàn)，通過(guò)反復(fù)評(píng)吸和感官評(píng)價(jià)實(shí)現(xiàn)卷煙配方的維護(hù)［21］，評(píng)價(jià)結(jié)果具有一定的主觀性，缺乏穩(wěn)定性［22］。

基于煙葉感官質(zhì)量不同指標(biāo)提取的主成分因子，利用一般主成分聚類(lèi)、加權(quán)主成分聚類(lèi)和加權(quán)主成分距離聚類(lèi)3種聚類(lèi)分析方法對(duì)不同配方模塊煙葉進(jìn)行分類(lèi)，比較不同聚類(lèi)分析方法的分類(lèi)結(jié)果，并結(jié)合錯(cuò)分率和F檢驗(yàn)情況考察分類(lèi)效果。結(jié)果表明，一般主成分聚類(lèi)和加權(quán)主成分聚類(lèi)在對(duì)不同主成分因子的賦權(quán)過(guò)程中，會(huì)降低或放大第一主成分因子在分類(lèi)中的作用，分類(lèi)均存在結(jié)果失真的現(xiàn)象。統(tǒng)計(jì)檢驗(yàn)結(jié)果也說(shuō)明在3種聚類(lèi)分析方法中，加權(quán)主成分距離聚類(lèi)分類(lèi)結(jié)果的可解釋性更強(qiáng)，能夠應(yīng)用于不同卷煙配方模塊的分類(lèi)研究。

在實(shí)際運(yùn)用過(guò)程中，由于第一主成分因子的方差貢獻(xiàn)率往往較大，等權(quán)地將不同主成分展開(kāi)系數(shù)向量聚類(lèi)分析，會(huì)抹煞不同主成分重要性客觀存在的懸殊差異［10］，故一般主成分聚類(lèi)更多表現(xiàn)為低效率的分類(lèi)結(jié)果；加權(quán)主成分聚類(lèi)提出一種自適應(yīng)賦權(quán)的函數(shù)型數(shù)據(jù)聚類(lèi)分析模型，在一定程度上可以體現(xiàn)聚類(lèi)指標(biāo)分類(lèi)效率的差異，顯著降低計(jì)算成本［9］，并能夠有效解決傳統(tǒng)聚類(lèi)算法在極端情況下失效的問(wèn)題，但當(dāng)存在非第一主成分因子信息含量不容忽視的情況下，分類(lèi)結(jié)果依然不夠理想。在需要綜合考慮不同主成分因子對(duì)分類(lèi)結(jié)果的作用差異時(shí)，以自適應(yīng)思維賦予不同主成分因子合理權(quán)重的加權(quán)主成分距離聚類(lèi)的分類(lèi)結(jié)果勢(shì)必更加客觀、可信。

在卷煙市場(chǎng)競(jìng)爭(zhēng)日趨激烈的當(dāng)下，葉組配方的穩(wěn)定性日益成為制約卷煙品牌發(fā)展的瓶頸［22］。借助不同聚類(lèi)分析方法對(duì)卷煙配方模塊的分類(lèi)研究，為更加客觀探索卷煙品牌主要煙葉原料的替換技術(shù)奠定理論基礎(chǔ)，對(duì)拓寬煙葉的使用范圍，解決原料供需的結(jié)構(gòu)性矛盾，助力卷煙品牌健康發(fā)展具有十分重要的意義。同時(shí)，本試驗(yàn)的取樣數(shù)據(jù)具有一定的代表性，但由于樣本數(shù)量的限制，在今后的研究中仍需在更加廣泛的范圍內(nèi)進(jìn)行研究。

參考文獻(xiàn)：

［1］謝有超. 基于近紅外光譜的卷煙相似性度量及數(shù)字化葉組配方設(shè)計(jì)研究［D］. 貴陽(yáng)：貴州大學(xué)，2021.

［2］馬慧婷，趙銘欽，于海順，等. 基于模糊綜合評(píng)判煙葉原料使用類(lèi)群的初步劃分［J］. 中國(guó)煙草科學(xué)，2015，36（2）：1-7.

［3］王 楠，雒興剛，張忠良，等. 基于非負(fù)矩陣分解的卷煙配方維護(hù)方法［J］. 煙草科技，2019，52（8）：67-76.

［4］呂巖威，樓賢駿，李 平. 加權(quán)主成分距離聚類(lèi)分析法及其應(yīng)用［J］. 統(tǒng)計(jì)與決策，2018，34（15）：87-90.

［5］朱建平，王德青，方匡南. 中國(guó)區(qū)域創(chuàng)新能力靜態(tài)分析——基于自適應(yīng)賦權(quán)主成分聚類(lèi)模型［J］. 數(shù)理統(tǒng)計(jì)與管理，2013，32（5）：761-768.

［6］陳軍飛，陳 琳. 基于加權(quán)主成分距離聚類(lèi)的江蘇省環(huán)境質(zhì)量評(píng)價(jià)［J］. 資源開(kāi)發(fā)與市場(chǎng)，2018，34（10）：1383-1388.

［7］王德青，朱建平，謝邦昌. 主成分聚類(lèi)分析有效性的思考［J］. 統(tǒng)計(jì)研究，2012，29（11）：84-87.

［8］賴燕華，陳翠玲，歐陽(yáng)璐斯，等. 卷煙質(zhì)量穩(wěn)定性綜合評(píng)價(jià)——基于多特征相似度分析和主成分分析［J］. 中國(guó)煙草學(xué)報(bào)，2017，23（5）：22-30.

［9］王德青，朱建平，王潔丹. 基于自適應(yīng)權(quán)重的函數(shù)型數(shù)據(jù)聚類(lèi)方法研究［J］. 數(shù)理統(tǒng)計(jì)與管理，2015，34（1）：84-92.

［10］呂巖威，李 平. 一種加權(quán)主成分距離的聚類(lèi)分析方法［J］. 統(tǒng)計(jì)研究，2016，33（11）：102-108.[HJ2mm]

［11］褚 旭，王珂清，魏建榮，等. 基于綜合賦權(quán)法的烤煙煙葉質(zhì)量評(píng)價(jià)［J］. 煙草科技，2019，52（10）：28-36.

［12］胡鐘勝，陳晶波，周興華，等. 模糊評(píng)判與歐氏距離法在煙葉化學(xué)成分評(píng)價(jià)中的應(yīng)用［J］. 煙草科技，2012，45（11）：33-37.

［13］鄧小華，鄧井青，肖春生，等. 湖南產(chǎn)區(qū)濃香型煙葉香韻分布［J］. 中國(guó)煙草學(xué)報(bào)，2014，20（2）：39-46.

［14］范幸龍，褚 旭，賀 彪，等. 我國(guó)不同生態(tài)區(qū)云煙97煙葉主要品質(zhì)性狀差異分析［J］. 中國(guó)煙草科學(xué)，2019，40（5）：77-83.

［15］褚 旭，王珂清，魏建榮，等. 云南植煙土壤肥力狀況的組合評(píng)價(jià)法研究［J］. 中國(guó)煙草學(xué)報(bào)，2019，25（2）：48-54.

［16］招啟柏，陳晶波，魏建榮，等. 組合評(píng)價(jià)法在煙葉化學(xué)質(zhì)量綜合評(píng)價(jià)中的應(yīng)用研究［J］. 中國(guó)煙草學(xué)報(bào)，2013，19（3）：1-6.

［17］陳軍飛，吳銘峰. 主成分分析在城市復(fù)合系統(tǒng)發(fā)展評(píng)價(jià)中的應(yīng)用［J］. 軟科學(xué)，2006，20（1）：9-11.

［18］王德青，劉曉葳，朱建平. 基于自適應(yīng)迭代更新的函數(shù)型數(shù)據(jù)聚類(lèi)方法研究［J］. 統(tǒng)計(jì)研究，2015，32（4）：91-96.

［19］鄧小華，楊麗麗，陸中山，等. 湘西煙葉質(zhì)量風(fēng)格特色感官評(píng)價(jià)［J］. 中國(guó)煙草學(xué)報(bào)，2013，19（5）：22-27.

［20］李 華，趙妹穎，孫秋柏，等. 加權(quán)主成分距離聚類(lèi)下金融安全指標(biāo)評(píng)價(jià)體系構(gòu)建與分析［J］. 數(shù)學(xué)的實(shí)踐與認(rèn)識(shí)，2018，48（1）：90-102.

［21］劉 偉，劉 波，馬 戎，等. 基于卷煙品牌風(fēng)格特征的配方構(gòu)建及工藝技術(shù)［J］. 食品工業(yè)，2021，42（7）：96-100.

［22］馮潤(rùn)澤，雒興剛，張忠良，等. 基于單料片煙互信息的卷煙配方維護(hù)方法［J］. 煙草科技，2021，54（3）：65-71.