1.一種基于多分類器集成的卷煙感官質量評估方法，其特征在于，包括如下步驟：

步驟1：采集成品煙感官待評估數據，即卷煙化學成分指標；

卷煙化學成分指標包括：總糖量、還原糖、煙堿量、總揮發堿、總氮量、煙堿氮、蛋白質、施木克值、氮堿比、含氯量、含鉀量、糖堿比、氨態堿；

步驟2：基于成品煙感官評估歷史數據對采集的成品煙感官待評估數據進行歸一化處理；

步驟3：利用基于多分類器集成的卷煙感官質量評估模型進行卷煙感官質量評估；

所述基于多分類器集成的卷煙感官質量評估模型為：根據成品煙感官評估的歷史數據，利用數據挖掘領域中的不同分類方法分別構建描述卷煙化學成分指標與感官評吸指標分類結果之間關系的單一分類器，并利用所述單一分類器構建的多分類器集成模型；

所述感官評吸指標包括：光澤、香氣、諧調、雜氣、刺激、余味；

步驟4：得到卷煙感官質量評估結果。

2.根據權利要求1所述的基于多分類器集成的卷煙感官質量評估方法，其特征在于，步驟3所述的基于多分類器集成的卷煙感官質量評估模型按如下步驟建立：

步驟3-1：采集成品煙感官評估的歷史數據，建立卷煙感官質量評估訓練數據樣本集；

卷煙感官質量評估訓練數據樣本集包括卷煙化學成分指標和感官評吸指標的專家評分結果；

步驟3-2：對卷煙感官質量評估訓練數據樣本集進行預處理：根據感官質量評判標準和數據的具體特征，分別對6種感官評吸指標的專家評分結果進行離散化；同時對卷煙化學成分指標進行歸一化處理；

步驟3-3：利用預處理后的數據和數據挖掘領域中的不同分類方法，構建用來描述卷煙化學成分與感官評吸指標分類結果之間關系的分類預測數學模型，即單一分類器；

所述數據挖掘領域中的不同分類方法，包括：決策樹C4.5方法、BP神經網絡方法、k-近鄰方法和支持向量機方法，其中k-近鄰方法取兩個不同的k值，得到兩個不同的單一分類器；

步驟3-4：利用每個單一分類器對卷煙感官質量評估訓練數據樣本集進行分類，將各單一分類器的分類結果準確率作為每個單一分類器的權重，構建基于多分類器集成的卷煙感官質量評估模型。

3.根據權利要求1所述的基于多分類器集成的卷煙感官質量評估方法，其特征在于，步驟4所述的得到卷煙感官質量評估結果，具體是：針對當前采集的成品煙感官待評估數據分別計算每個單一分類器的分類結果，然后對于每一個類別，計算單一分類器中輸出分類結果為該類別的分類器權重之和，將權重之和最大的分類作為感官評吸指標的分類，即卷煙感官質量評估結果。