随机森林算法在红葡萄酒质量评价指标体系选择中的应用

评价指标体系的确定是葡萄酒质量评估的一个关键环节,而指标体系选取的好坏直接影响模型的预测精度。本文利用机器学习的方法———随机森林算法来选择评价指标。仿真实验表明,该算法所确定的指标对葡萄酒的评价更加准确,从而能够有效的减少因品酒师人为因素带来的评价不稳定性。

基于神经网络权值抽取与粒度一致性的葡萄酒的质量评价探讨

能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量,这是近年来葡萄酒评价领域的热门研究课题.为了研究这一问题,本文先用主成份分析简化理化指标和芳香物质,建立BP神经网络确定这些指标关于葡萄酒质量的权重.在分析理化指标是否能评价葡萄酒质量的问题上,我们引入粒度一致性的概念,结合线性加权分析法与灰度关联分析,对评价问题进行粒度一致性分析.实验数据证明,葡萄和葡萄酒的理化指标对葡萄酒质量有影响,但不能全面评价葡萄酒质量.本文所使用的该种组合分析方法,对葡萄酒质量的量化评价具有重要指导意义.

神经网络模型在评价红葡萄酒质量中的应用

通过建立神经网络模型,利用红葡萄酒、红葡萄的理化指标对样本酒进行分类;将神经网络模型的分类结果与评酒员的评分分类进行比较,得出红葡萄与红葡萄酒的理化指标不能评价红葡萄酒的质量.进一步分析,添加酿酒红葡萄与红葡萄酒各种芳香物质量指标,对红葡萄酒的质量进行分类,得出红葡萄酒与酿酒红葡萄的芳香物质指标对红葡萄酒的质量产生一定的影响.

灰关联神经网络在葡萄酒评价中的应用

为确定葡萄酒质量,将灰关联分析与神经网络相结合,构建了灰关联神经网络。通过对数据之间的关联分析,确定了数据与葡萄酒质量的关联程度,增加了数据之间关系的透明度,避免了对数据的盲目引用而造成的网络不稳定性。与经典神经网络相比,该算法还具有预测误差小、训练时间短等优点,可为葡萄酒质量预测工作提供技术支持。

基于多元统计分析的葡萄酒及其理化指标评价研究

文中以2012年大学生数学建模竞赛A题为背景,针对我国葡萄酒业内缺乏利用理化指标对葡萄酒进行评级的现状,特别根据已知的葡萄酒质量评定结果、对应的酿酒葡萄和葡萄酒的理化指标以及芳香物质,进行多元统计分析,讨论通过理化指标控制葡萄酒质量的可行性问题,通过运算验证解决了评酒员可靠与否以及理化指标与葡萄酒质量之间关联程度的相关问题。

应用多元统计分析葡萄、葡萄酒理化指标与葡萄酒质量的相关性

通过对酿酒葡萄及葡萄酒的成分与葡萄酒品尝结果的数据分析,建立数学模型,探讨了葡萄、葡萄酒成分数据之间的联系以及它们的成分数据与葡萄酒质量评价之间的关系。利用偏最小二乘回归方程分别对葡萄酒与酿酒葡萄理化指标进行回归分析,得到了葡萄酒与葡萄理化指标之间相互联系的回归方程。通过方程系数的正负性,得到与葡萄酒理化指标成正相关或负相关的葡萄理化指标,并对其进行了总结分析。对葡萄酒的理化指标、芳香物质成分与葡萄酒的外观、口感、香气评分进行逐步回归分析,得到了红、白葡萄酒的外观、口感、香气与葡萄酒的理化指标、芳香物质成分相关的6个逐步回归方程,并通过回归方程系数,分析理化指标与葡萄酒质量的联系。利用回归方程预测理化指标对于外观、香气、口感的评分,并与评酒员评分进行相关系数检验,除了红葡萄酒的外观外,所有预测值与品尝实测值相关系数达到0.9以上,从而论证了用葡萄和葡萄酒的理化指标来评价葡萄酒的质量的可行性。