基于电子鼻技术的黄山毛峰茶品质检测方法

为了更加客观地评价黄山毛峰茶的品质,提出了一种利用电子鼻技术对黄山毛峰茶品质检测的方法。选择4种不同品质等级的茶叶,首先根据传感器响应选择特征变量,然后以这些特征变量作为BP神经网络的输入,建立茶叶品质等级的3层网络预测模型。实验结果表明,本文建立的模型对于训练样本识别准确率为100%,对测试样本识别准确率为89.3%,表明应用电子鼻技术检测黄山毛峰茶品质具有可行性。     

基于电子鼻技术的葡萄酒分类检测方法

为了简单准确的检测葡萄酒的种类,建立了电子鼻检测系统。以三种具有相似气味的葡萄酒的种类识别为实验背景,根据葡萄酒散发的气味合理的选用了八个气敏传感器。利用主成份分析方法对传感器阵列进行优化,最后确定选用四个传感器为最终的传感器阵列,并借助Fisher判别分析方法检验其效果。使用SVM算法及BP算法分别对不同训练样本数的葡萄酒做对比实验。实验结果表明,基于PCA-SVM模式识别算法有很高的识别精度,很强的分类能力,而且在小样本分类识别实验中有着潜在的优势。     

电子鼻判别挥发性气体的实验研究

文中模拟人的嗅觉形成过程研制了一套用金属氧化物半导体气敏传感器阵列组成的电子鼻系统．深入研究了电子鼻的气敏传感器阵列和数据处理分析器,并用该电子鼻对５种不同浓度乙醇溶液（ ０． ５％, ｌ％, １． ５％, ２％, ５％）进行分析,详细阐述了实验过程,同时用 ＢＰ神经网络对样本进行识别分析,神经网络的回判正确率为９０％,测试正确率为８０％．［     

电子鼻判别挥发性气体的实验研究

文中模拟人的嗅觉形成过程研制了一套用金属氧化物半导体气敏传感器阵列组成的电子鼻系统。深入研究了电子鼻的气敏传感器是和数据处理分析器,并用该电子鼻对5种不同浓度乙醇溶液（0．5％,1％,1．5％,2％,5％）进行分析,详细阐述了实验过程,同时用BP神经网络对样本进行识别分析,神经网络的回判正确率为90％,测试正确率为80％。     

基于电子鼻的鱼类新鲜度估计研究

以新西兰市场上最受欢迎的四类鱼(红甲鱼、鲂鱼、唇指鲈和(澳洲)鲹)为对象研究鱼的新鲜度。在同一实验室环境下,运用便携式电子鼻Cyranose 320测量这四类鱼被储藏第1,2,5,6,7,8,9,10(第3,4天的未测量)天后对应的同一样品,每个样品测量一次对应每个传感器平均采样2000个左右数据,获得大约2.048×106[4(鱼)×8(天)×32(传感器)×2 000(采样)=2 048 000]个数据。将实验数据进行特征提取及人工神经网络(ANN)分析处理,得到传感器对每类鱼每天的响应模式,进而估计鱼的新鲜度,获得了91%以上的正确识别率。研究结果表明该方法是实用可行的。     

基于模糊-神经网络的甲醛电子鼻

基于模糊-神经网络的甲醛电子鼻,采用气体传感器阵列和模糊-神经网络结合,实现了模糊-神经网络在甲醛电子鼻中的定量识别.并通过实验,对于0.01×10-6～50×10-6浓度范围内的甲醛气体,甲醛电子鼻定量测报的平均相对误差小,仅为0.197 086.     

BP神经网络在电子鼻分类识别多品牌白酒中的应用研究

由于MQ3、MQ4、TGS813、TGS2620 4个金属氧化物半导体组成的气体传感器阵列对酒精气体及有机物交叉敏感,据此建立实时数据采集系统,并提出稳态特征值和动态特征值的提取方法,进而结合BP神经网络识别方法,通过所建立的电子鼻系统对3种不同品牌白酒进行了分类识别实验.结果表明:电子鼻系统对不同品牌白酒的识别率稳态特征时达90.0%,动态特征时达83.3%.     

茶叶贮藏与保鲜技术

茶叶是一种易变质饮品,作者阐述了新茶在茶场、茶商、消费者手中的科学贮藏与保鲜。     

基于改进BP神经网络的混沌时间序列预测方法对比

针对BP神经网络预测混沌时间序列存在的易陷入局部极小值和收敛速度较慢的问题,选取了两种改进预测模型,即GA-BP预测模型和PSO-BP预测模型。并将这两种模型对Lorenz混沌时间序列进行了预测比较实验。实验表明,两种改进模型比BP神经网络预测模型具有更好的预测性能,并且PSO-BP预测模型较GA-BP预测模型的预测精度更高。     

基于遗传BP神经网络的非平稳时间序列预测

BP网是神经网络时间序列预测方法中最常用的网络。针对BP算法局部搜索能力强,而遗传算法全局搜索优势突出的特点,将二者结合构造遗传BP神经网络,用于非平稳时间序列预测。仿真结果表明,该混合算法不仅提高了学习效率,而且对太阳黑子数预测的准确性高于BP算法、传统统计学预测方法。     

人工嗅觉系统及其在卷烟烟气中的研究

用金属氧化物半导体气敏传感器阵列组成的人工嗅觉系统 (电子鼻 )对 3种品牌卷烟烟气进行分析 详细阐述了实验过程及确定传感器的组成方法 ,并从样本中用马氏距离选取合适的样本 ,用主成分分析法和神经网络聚类分析法对样本进行分析 主成分分析结果是已较好地把各品牌的烟分开 ,神经网络对 3种品牌烟的识别率分别为玉溪 85%、白沙 90 %、红梅 95%     

交叉口多相位神经网络智能控制

针对城市交叉口交通流的特点和普遍存在的拥挤问题,以F-B配时理论为基础,提出了一种基于神经网络的交叉口多相位智能控制,并以镇江市大市口为例,在调查了大量的交通流数据的基础上,描述了建立网络的方法,给出了学习算法,仿真结果表明,该神经网络控制器具有良好的学习和泛化能力,实时性良好．     

基于遗传神经网络的苹果气味识别方法研究

提出一种根据苹果气味对苹果进行无损检测的新方法,介绍一套适合苹果气味检测的电子鼻系统,阐述该系统识别苹果气味的过程．对超市所购的好坏苹果各50个进行了检测,在获得传感器阵列数据的基础上,从每个传感器曲线中提取了5个特征参数,该参数作为模式识别的输入向量．用主成分分析法和遗传神经网络对所测的样本进行分析,主成分分析的结果是能较好地区分好坏苹果,遗传神经网络对训练集的回判正确率和对测试集的测试正确率分别为100％和96,4％,试验证明该方法和电子鼻装置对苹果质量进行评定是有效的,同时也可以用于其他水果的检测,     

人工神经网络对电子鼻性能的影响

电子鼻原型由4个气体传感器组成的阵列和人工神经网络识别软件组成,可识别不同品牌的白酒.以它为例,研究了3种人工神经网络,即反向传输网络(BPN)、学习矢量量化网络(LVQ)和概率神经网络(PNN)对电子鼻性能的影响.结果表明,在需要精细识别时,虽然传感器阵列对白酒的响应谱的差别是电子鼻识别的基础,但是人工神经网络结构和算法包括相关训练参数的选择对决定电子鼻的性能也有重要的作用.比较而言,学习矢量量化网络在分类能力和训练成本方面更胜一筹,而概率神经网络则在计算负载和易用性方面更好一些.     

基于BP神经网络的教材质量评价研究

教材质量评价是教材管理工作的关键环节。为了对教材质量进行科学有效地评价,提高评价工作的效率,建立了基于BP神经网络的教材质量评价模型。经过BP神经网络的构建、训练和分类等主要工作,建立了一个具有较高准确率的教材质量评价模型。通过分析结果表明,该模型能够科学和高效地评价教材的质量,具有较高的实用性。