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.     

葡萄酒感官评价结果的显著性检验方法研究

在葡萄酒评价中,简单的感官评价难以真实反映葡萄酒的质量.结合实际感官评价数据,运用SPSS软件,利用MATLAB建立配对样本T检验模型,并进行配对样本T检验求解,得到两组评酒员的评价结果存在显著性差异的结论.同时通过对两组评酒员对样本打分的情况进行方差分析,采用图表分析法初步得出两组评价结果的稳定程度分析,并用方差分析法进行结果验证,结果表明第二组评价结果可信度更高.利用文中的研究方法可对评酒员的评价结果进行科学评判,具有较高的准确性和科学性,为葡萄酒的准确评价提供了重要的参考依据.     

应用多元回归分析进行葡萄酒质量评价建模

本文针对2012全国大学生数学建模竞赛A题,分析了葡萄酒质量人工品尝存在的不足,进而对若干种葡萄酒的原始数据进行异常值和标准化处理,利用K—W检验、信度分析等方法分析得出红葡萄酒第二组和白葡萄酒第一组的质量评价更为可信;通过相关性分析筛选芳香物质的成分,运用 TOPSIS方法的秩和排序对各类葡萄酒质量划分等级,对理化指标两独立样本进行Mann－Whitney U 检验;最后建立多元回归模型分析得出评价酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响关系,并通过Wilcoxon符号秩检验其模型的可行性。     

葡萄酒的评价

该文主要讨论葡萄酒的质量评价问题,研究酿酒葡萄和所酿葡萄酒的理化指标与葡萄酒的质量的关系,给出评价方法。葡萄酒的质量对于葡萄酒制造商和购买者来说都至关重要,该文主要讨论葡萄酒的质量评价问题,研究酿酒葡萄和所酿葡萄酒的理化指标与葡萄酒的质量的关系,并给出评价方法,具有十分重要的现实意义。     

葡萄酒评酒员的评酒结果的可信度研究——2012年全国大学生数学建模比赛A题第一问

本文主要讨论了葡萄酒评酒员的评酒结果的可信度研究。首先要利用评酒员对葡萄酒的感官评价,确定哪一组评酒员对葡萄酒的评价更可信。利用Excel对两组评酒员对葡萄酒的评分进行处理,分别得到各评酒员对红、白葡萄酒中各样品酒的分数及各样品酒的平均分,将两组的平均分作为两个配对样本,利用SPSS中配对样本t检验得出两组评酒员对红、白葡萄酒的评价结果都有显著性差异。利用SPSS中可靠性分析将上述数据进行处理得出第二组评酒员的可信度更好。     

酿酒葡萄和葡萄酒成分间的典型性相关分析

根据酿酒葡萄与葡萄酒的理化指标,按“逐步降维,保留信息”的思想建立模型,把原来多个变量划为几个综合指标,并对这些综合指标进行研究,以简化问题的求解过程;因酿酒葡萄和葡萄酒质量间的内在联系及变化规律具有随机性、理化指标信息过大,先进行变量替换,分别选取15个、8个综合变量替代原变量,再对酝酿葡萄与酝酿葡萄酒主成分分析,最后进行典型相关分析.     

基于多元描述性统计对葡萄酒质量的评价

基于对两组评酒员的评价结果的方差分析,以及显著性检验,第二组评价结果的可信度较之第一组的更高.在以此确定葡萄酒质量的基础上,本文利用SAS软件以酿酒葡萄的各项理化指标为标准对酿酒葡萄样品进行系统聚类,并参照葡萄酒的质量建立了酿酒葡萄的等级体系,分别将红、白酿酒葡萄划分为五个等级;通过典型性相关分析,构建了酿酒葡萄与葡萄酒的理化指标的关系;依据多元回归分析的方法,确立了葡萄酒质量与酿酒葡萄的理化指标之间、葡萄酒质量与葡萄酒的理化指标之间的线性关系.本文认为,由于用于分析研究的方程中的自变量个数偏少,上述关系仅在一定程度上可作为葡萄酒质量的评价标准,而要完全充分评估葡萄酒的质量还需与感官评价相结合.     

基于像元的遥感影像分类不确定性评价

传统的遥感数据专题分类不确定性评价方法都是将分类不确定性表达在类别尺度上，受到采样方法和样本大小的限制，评价的可靠性较低，不利于可视化表达。基于像元尺度上的分类不确定性评价方法可以避免这些问题，对专题分类图进行精确的评价，并有利于实现可视化。     

基于聚类分析法的葡萄酒评价

首先通过配对T检验方法对两组评酒员对葡萄酒的评价质量数进行检验,并且计算方差均值,以选取更为可信的一组评酒员对葡萄酒的评价质量数作为葡萄酒分级的样本数据;其次通过相关分析法对葡萄酒的理化指标与酿酒葡萄的理化指标之间的联系进行分析,以选取与葡萄酒显著相关的酿酒葡萄的理化指标作为葡萄酒分级的部分指标;最后利用聚类分析法对葡萄酒分级.利用该方法可对葡萄酒进行有效评价.     

葡萄酒质量评价的建模分析

该文围绕葡萄酒的质量评价问题进行分析,使用秩和检验和离散系数找到更可信的质量评价结果,采用因子分析综合评判法得到葡萄的分级.建立葡萄和葡萄酒理化指标主成分的逐步回归模型,简化影响葡萄酒质量的指标,通过多元线性回归及误差分析对葡萄酒质量进行评价.最后对该文所建模型做出客观的优缺点分析井提出了一些相应的改进方法.同时指出本文模型可以推广至医药等与多元统计相关的领域.     

基于LIBSVM的葡萄酒品质评判模型

葡萄酒的成分复杂,是划分葡萄酒品质的重要依据。文章通过对178个葡萄酒样品化学分析数据进行分析处理,其中葡萄酒属性13个,建立基于支持向量机的葡萄酒品质评判模型,利用LIBSVM工具对高维复杂葡萄酒属性数据进行分析、处理、优化和解释,分类结果准确率高达98%,从而对葡萄酒品质快速有效的评判提供了理论依据。     

葡萄酒质量的评价模型

本文是对2012年全国大学生数学建模竞赛A题的解答,建立了葡萄酒质量的评价模型,对葡萄和葡萄酒的理化指标与其质量的关系进行了分析.在问题1中,通过非参数检验方法检验这两组品酒员对酒的打分是否有显著性差异,利用协和系数分析检验两组品酒员对酒的打分的可靠程度.在问题2中,采用了基于SOM网络的等级分类和SPSS的聚类分析对酿酒葡萄进行分类,然后根据每一类葡萄酒得分均值对葡萄进行分级.在问题3中,以葡萄的指标数据为输入层,葡萄酒的指标数据为输出层,建立BP广义回归神经网络模型,得到两者之间的定量关系.在问题4中,首先采用灰关联模型,得出酿酒葡萄和葡萄酒理化指标和葡萄酒质量的关联度,然后建立支持向量机的回归拟合模型,得到葡萄酒和酿酒葡萄的理化指标与葡萄酒质量之间的定量关系.     

Remote Visualization of High-Speed Rail Power Quality Monitoring

The visualization techniques were explored for power quality monitoring.And remote visualization solutions were proposed for highspeed rail power quality monitoring.Taking the Beijing-Shanghai highspeed rail power monitoring as a study case,a remote visualization client,based on our proposed solutions,was developed for high-speed rail power quality monitoring to efficiently support power quality data analysis of the electricity business.The solutions collected data from monitoring stations deployed along the high-speed rail route and visualized the data set with a variety of visualization technologies to alert the specific stations of catastrophic events.The proposed solutions have been proved to be effective in supporting decision-making for the railway power scheduling and providing diagnosis information for quickly spotting any possible runtime failure in operation.     

信息可视化研究综述

信息可视化是可视化技术在非空间数据领域的应用,可以增强数据呈现效果,让用户以直观交互的方式实现对数据的观察和浏览,从而发现数据中隐藏的特征、关系和模式。可视化应用非常广泛,主要涉及领域:数据挖掘可视化、网络数据可视化、社交可视化、交通可视化、文本可视化、生物医药可视化等等。根据CARD可视化模型可以将信息可视化的过程分为以下几个阶段:数据预处理;绘制;显示和交互。根据SHNEIDERMAN的分类,信息可视化的数据分为以下几类:一维数据、二维数据、三维数据、多维数据、时态数据、层次数据和网络数据。其中针对后4种数据的可视化是当前研究的热点。多维数据可视化方法主要包括基于几何的方法、图标方法和动画方法等。基于几何的可视化方式中最经典的就是"平行坐标系"方法。平行坐标系(parallel coordinates)使用平行的竖直轴线来代表维度,通过在轴上刻划多维数据的数值并用折线相连某一数据项在所有轴上的坐标点展示多维数据。平行坐标系方法能够简洁、快速地展示多维数据,发展出很多改进技术。但是当数据集的规模变得非常大时,密集的折线会引起"视觉混淆"(visual clutter),处理方法包括维度重排、交互方法、聚类、过滤、动画等。其他基于几何的方法包括Radviz方法使用圆形坐标系展示可视化结果;散点图矩阵(scatter plot matrix)将多维数据中的各个维度两两组合绘制成一系列的按规律排列的散点图。基于图标的可视化方法用具备可视特征的几何形状如大小、长度、形状、颜色等刻划数据,代表性的方法包括星绘法和Chernoff面法等。动画方法用于可视化中可被用来提高交互性和理解程度,其缺点包括可能分散注意力、引起用户的误解、产生"图表垃圾"等。时间序列数据是指具有时间属性的数据集,针对时间序列数据的可视化方法如下:线形图、堆积图、动画、地平线图、时间线。层次数据具有等级或层级关系。层次数据的可视化方法主要包括节点链接图和树图2种方式。其中树图(treemap)由一系列的嵌套环、块来展示层次数据。为了能展示更多的节点内容,一些基于"焦点+上下文"技术的交互方法被开发出来。包括"鱼眼"技术、几何变形、语义缩放、远离焦点的节点聚类技术等。网络数据具有网状结构。自动布局算法是网络数据可视化的核心,目前主要有以下3类:一是力导向布局(force-directed layout);二是分层布局(hierarchical layout);三是网格布局(grid layout)。当数据节点的连接很多时,容易产生边交叉现象,导致视觉混淆。解决边交叉现象的集束边(edge bundle)技术可以分为以下几类:力导向的集束边技术、层次集束边技术、基于几何的边聚类技术、多层凝聚集束边技术和基于网格的方法等。其他研究热点包括图形的视觉因素研究、自适应可视化研究、可视化效果的评估等。视觉因素对于可视化效果的影响,如位置、长度、面积、形状、色彩等影响已经引起很多研究者的注意。色彩是视觉因素的重要组成部分,研究主要集中在颜色选择的原则和交互系统中。这些原则基于数据类型、类的数量、认知约束等。自适应可视化可以提高信息可视化的适应性。研究成果分为以下几类:自适应可视化展示、自适应资源模型、自适应用户模型。自适应可视化展示是指根据用户的特征自动为用户提供多种展示类型,自动选择可视化内容及布局的形式,自动调整可视化的元素等。自适应资源模型反映了对硬件和软件的利用以提高可视化性能。自适应用户模型通过显示用户模型的内容并让用户能够编辑,从而让用户能够控制模型的内容。当前关于信息可视化评价的研究较少,少量研究也没有提出直接和通用的可视化的评估方式,需要对信息可视化评价的理论基础、方法和应用做深入的研究。可视化技术与应用还应该继续向以下4个方面努力:直观化、关联化、艺术化、交互化。信息可视化技术的发展方向是协同(collaboration)、分析过程(analytics)、计算(computational)和意会(sense-making)。未来研究方向可以包括以下几个内容。信息可视化和数据挖掘的紧密结合。为提高处理海量数据时的速度和效率和解决视觉混淆现象;必须运用数据挖掘的公式和算法,对数据分析的过程及结果进行可视化展现。协同可视化。协同可视化领域的研究方向可以包括可视化接口设计、基于Web的可视化协同平台开发、协同可视化工作的视图设计、协同可视化中的工作流管理及协同可视化技术的应用等。更多领域的应用技术开发。包括统计可视化:需要研究使用几何、动画、图像等工具对数据统计的过程和结果进行加工和处理的技术;新闻可视化:对新闻内容进行抓取、清洗和提取和可视化展示;社交网络可视化:可视化方式显示社交网络的数据,对社交网络中节点、关系及时空数据的集成展示。搜索日志可视化:针对在使用搜索引擎时产生的海量搜索日志,可视化的展现用户的搜索行为、关系和模式等。     

葡萄酒评价的理化指标研究

葡萄酒的质量和其理化指标间存在一定的关系；首先运用主成分分析法建立数学模型，通过对数据的分析与处理，提取出葡萄酒的主要理化指标；然后运用曲面拟合得出了葡萄酒质量和葡萄酒的2个主要指标间的函数关系，并通过三维仿真图，更加直观地显示得出理化指标对葡萄酒质量的影响。     

组合模型在酿酒葡萄品质综合评价中的应用

利用主成分分析法、综合评价法、加权灰色关联度分析和TOPSIS方法,针对27个酿酒葡萄样品建立组合模型,对酿酒葡萄的品质进行综合评价,得到样品2、9和23质量很好,样品7、11、12和18质量很差,其它样品质量在二级与三级范围内。     

ICP—OES法对葡萄酒中14种微量元素含量的测定

采用电感耦合等离子体原子发射光谱（ICP—OES）法对葡萄酒中14种元素含量进行测定,对样品前处理方法和检测条件进行了研究,建立了一套完整的分析方法．样品前处理采用80qC水浴加热除去酒精,加入硝酸和双氧水对样品进行消解,此方法简单易行,元素损失少．用ICP—OES法测定葡萄酒中14种元素含量,标准曲线的线性关系良好,检出限低,回收率为92．0％一109．4％,精密度为0．54％一4．25％,测定结果令人满意．     

基于支持向量机的机械故障诊断方法研究

针对因缺少大量故障数据样本而制约机械故障智能诊断发展的问题，提出了一种基于支持向量机的机械故障诊断新方法，介绍了该方法的原理和算法，并利用模拟故障数据建立了多故障分类器。这种诊断方法只需要少量的时域故障数据样本来训练故障分类器，不必进行信号预处理以提取特征量，便可实现多故障的识别和诊断。测试结果表明，当数据样本中含有26％的噪声时，故障分类器仍然能正确分类多种故障。这种诊断方法具有算法简单、可对故障在张分类和故障分类能力强的优点。