| 以下仅列出文章摘要、目录等部分内容，如需获取完整论文资料，或原创定制、长期合作，请随时联系。 微信QQ:312050216 |
 |
 |
| 基于BP人工神经网络算法的葡萄酒种类识别方法 摘 要 随着我国葡萄酒业的不断发展，葡萄酒生产企业的数量和规模也不断扩大。但中国的葡萄酒业仍面临着进口酒的激烈竞争以及质量检测体系不明确带来的市场紊乱。对于这些问题，本文分析了葡萄酒质量人工品尝存在的不足之处，并基于数据挖掘技术，提出了如何提高葡萄酒质量等级的识别率，对更好地酿造出高质量的葡萄酒和中国葡萄酒市场的稳健发展有着重要的实际应用价值。在数据挖掘中，相对于多数类来说，少数类样本对准确率的影响力小，这意味着对所有样本进行分类，可以在不识别出任何少数类样本的情况下得到很高的正确率，识别少数类的分类规则也就被忽略了。本文的创新之处在于从不平衡样本中提取平衡样本进行建模并对测试样本预测，进行多次的循环试验，得到多次的预测结果，选择次数出现最多的预测结果作为最终的预测结果，大大提高了低质量葡萄酒的识别率。本文采用BP神经网络对葡萄酒种类进行模式识别，通过对在意大利同一区域里三种的葡萄酒的化学成分分析，数据含有178个样本，每个样本含有13个特征分量，每个样本的类别标签已定。其中将这178个样本的65%作为训练样本，另外35%作为测试样本，用训练样本对BP神经网络进行训练可以得到相对应的分类模型，在利用训练好的模型对测试样本进行分类识别。 关键词： 葡萄酒 种类识别 BP神经网络 训练样本 测试样本 目 录 第一章 绪论 5 1.1 研究的背景和意义 6 1.1.1 中国葡萄酒业的发展 6 1.1.2 中国葡萄酒发展面临的问题 6 1.2 研究内容 6 1.3 数据来源 7 第二章 葡萄酒品鉴和存在的不足 8 2.1 葡萄酒品鉴 8 2.1.1 人工品尝概况 8 2.1.2 葡萄酒品尝原理 8 2.2 葡萄酒成分 8 2.2.1 葡萄酒基本成分 8 2.2.2 葡萄酒微量成分 9 第三章 人工神经网络概述...................................................................................................10 3.1 人工神经网络研究的起源..........................................................................................10 3.2 人工神经网络的发展史...............................................................................................10 3.2.1 启蒙时期..............................................................................................................10 3.2.2 低潮时期..............................................................................................................11 3.2.3复兴时期................................................................................................................12 3.2.4新时期....................................................................................................................12 3.3 生物神经元及人工神经元模型...................................................................................13 3.3.1 生物神经元...........................................................................................................13 3.3.2人工神经元的数学模型........................................................................................14 3.4人工神经网络重要特征及应用特性............................................................................14 3.4.1 重要特征..............................................................................................................14 3.4.2应用特性................................................................................................................14 3.5 人工神经网络的主要学习算法................................................................................15 3.5.1Hebb学习规则........................................................................................................16 3.5.2单层感知器规则....................................................................................................16 3.5.3 LMS学习规则........................................................................................................17 3.5.4 Winner-Take-It-All(胜者为王)规则..............................................................17 3.5.5 BP算法............................................................................................................17 第四章 BP神经网络 18 4.1 误差反向传播网络的基本概念与原理 18 4.1.1 误差反向传播网络的基本概念 18 4.1.2 误差反向传播网络的基本原理 18 4.2 BP学习算法 18 4.2.1 BP算法的数学表达（以三层BP网络为例） 19 4.2.2 误差反向传播的实现 20 4.3 BP网络的局限性.......................................................................................................21 第五章 网络识别的设计与实现 22 5.1 实验数据-UCI数据集 23 5.2 BP识别网络的设计 24 5.2.1 理论依据 25 5.2.2 BP神经网络识别结果 30 第六章 总结与展望 33 6.1 总结 33 6.2 展望 33 参考文献 34 附录 34 致 谢 35 |
