基于物理化学性质的葡萄酒质量的可视化评价研究

提出了一种可视化的方法评价葡萄酒质量。葡萄酒数据来自于认证阶段的物理化学分析测试,其中输入变量是11个,输出变量是葡萄酒质量,共得到1599个的红葡萄酒样本和4898个的白葡萄酒样本。结果表明该方法的效果优于传统的神经网络和支持向量机方法,并且具有可视化的优点。这对于改进酿酒品酒评价和葡萄酒生产都有重要意义,并且对根据消费者口味细分目标市场也很有帮助。

生物医学数据的可视化图形特征提取方法

从领域问题中提取的原始特征进行某种矢量空间变换如主成分分析(PCA)、线性判别分析(LDA)、独立分量分析(ICA)和基于核的方法可能会改进分类器分类性能。基于多元数据的星点图表示方法,提出了一种新的可视化的图形特征提取方法———星点图重心图形特征。对星点图图表示中存在的特征排序影响图表示的问题进行了研究,提出了基于改进的遗传算法(GA)的特征排序。乳腺癌和糖尿病等生物医学数据集在遗传算法特征排序下的重心图形特征的分类结果都超过了公认的模式识别网站上的报道,也优于传统的矢量空间的特征提取方法下得到的特征的分类性能。