【摘要】针对烟草化学成分与烟草品质之间难以建立确定的数学模型的问题，提出了一种基于改进模糊聚类的烟草品质评价方法。该方法以烟叶样品的化学成分的差异性为依据，以模型分类结果与专家评吸结果的一致性为目标，利用模拟退火算法对现有的模糊聚类算法进行优化改进，建立基分类器；在此基础上，利用ＡｄＡ Ｂｏｏｓｔ将基分类器对于不同样本集的多个分类结果进行集成，形成最终的烟草品质评价模型。以１３０组烟叶作为烟草样本，测定了各烟叶样品中总糖、还原糖、总氮、烟碱、氧化钾、氯离子、蛋白质７种化学成分含量，并采用改进的模糊聚类方法与神经网络算法、模糊聚类算法进行对比试验，该方法的误检率为６．７％，具有提升小样本数据的辨识能力，．．．