基于BP神经网络的葡萄干分级技术的研究

为了适应农产品机器视觉分级技术的需要,通过分析葡萄干的特征参数组合对BP网络识别率的影响,确定最能反映葡萄干形态特征的参数作为等级识别的依据。为此,以BP算法为基础,采用改进的BP算法,对网络进行训练;同时,建立了基于BP神经网络葡萄干分级鉴定模型。试验结果表明,该网络分级效果较好,其平均分级准确率达到93%。

K均值聚类在葡萄酒分级中的应用

葡萄酒分级是葡萄酒评价中的一个重要内容,结合数据降维技术,建立葡萄酒K均值分类模型。通过实例分析证实所得结果较好,该方法在葡萄酒的评价分级中具有很好的应用价值。

加权欧氏距离的聚类分析在葡萄酒质量分级中的应用

提出了一种新的葡萄酒质量分级方法。从葡萄和葡萄酒的理化指标、芳香物质出发,首先用逐步回归分析筛选出主要指标;然后用主成分回归分析得到各指标的权重系数;最后引入加权欧氏距离来改进聚类分析,并对葡萄酒质量进行分级。结果表明:该方法将红白葡萄酒均分为三类,分级结果合理,方法具有普适性。

基于多目标优化的酿酒葡萄分级模型

提出了在同时考虑酿酒葡萄和葡萄酒的情况下,运用多目标优化模型研究酿酒葡萄的分级方法.首先,建立了以酿酒葡萄的各个理化指标的误差平方和最小和酿酒葡萄对应的葡萄酒质量误差平方和最小为目标的多目标0-1规划模型;其次,利用线性加权法,将多目标0-1规划模型转化成单目标0-1规划模型;然后,建立基于酿酒葡萄分类结果的酿酒葡萄分级模型;最后,将该模型运用于酿酒葡萄分级问题中,将酿酒葡萄分成5级,每级个数分别为6,5,4,6,6,避免了分级方法的主观性和分级不均匀性.

葡萄酒质量分级探讨

近年来,我国葡萄酒产业发展迅速,暴露出了一些矛盾与问题,国产葡萄酒只有合格与不合格划分,消费者难以辨别质量好坏。针对此问题,国家葡萄酒及白酒、露酒产品质量监督检验中心对国际葡萄酒质量等级划分进行了研究,从国产葡萄酒实施质量分级的可行性、必要性及具体步骤进行了分析,可以为在全国范围内推行葡萄酒感官质量分级提供参考。

浅谈葡萄酒分级的数学模型

该文对于葡萄酒的分级问题建立了数学模型,从数学角度客观地对葡萄酒质量的优劣进行了评价。首先对葡萄酒的一系列理化指标进行主成分分析,然后对27个红葡萄酒样本进行聚类分析,整个过程利用SPSS软件进行求解和计算。利用数学模型,可以在很大程度上排除葡萄酒分级的人为因素及主观性,使结果更为客观。

SVM神经网络在葡萄质量评价中的应用

随着葡萄酒需求的大量增加,葡萄酒的质量受到了越来越多的关注。一般地,葡萄酒质量采用感官品尝的结果来评定,但是它经常受到多种因素的影响,同时葡萄酒的质量又没有统一的标准,因此葡萄酒的质量评价体系的建立亟待解决,而酿酒葡萄的质量直接决定了葡萄酒的质量。就葡萄的理化指标与葡萄质量之间的关系展开了分析,并建立了以酿酒葡萄理化指标的主成分为输入,酿酒葡萄的质量等级为输出的多输入单输出的SVM神经网络专家模型,实现了酿酒葡萄质量的智能分类。结合专家打分的结果可以看出,该模型的分类效果比较理想。

如何解决葡萄酒国家标准GB15037—2006《葡萄酒》执行力不足的问题

葡萄酒国家标准GBl5037-200《葡萄酒》已于于2008年01月01日起实施，新国标执行以来暴露出了执行力严重不足的问题，如年份葡萄酒、产地葡萄酒、品种葡萄酒以及葡萄酒的分级等，针对诸多问题我们提出建立完善的监管方法和监管制度，制定一部明确的有关葡萄酒年份、产地、品种和等级的管理认证标准。

Application of QPSO-KM Algorithm in Wine Quality Classification

Since there are many factors affecting the quality of wine, total 17 factors were screened out using principle component analysis. The difference test was conducted on the evaluation data of the two groups of testers. The results showed that the evaluation data of the second group were more reliable compared with those of the first group. At the same time, the KM algorithm was optimized using the QPSO algorithm. The wine classification model was established. Compared with the other two algorithms, the QPSO-KM algorithm was more capable of searching the globally optimum solution, and it could be used to classify the wine samples. In addition,the QPSO-KM algorithm could also be used to solve the issues about clustering.