基于PCA神经网络的葡萄酒评价模型研究

利用主成分分析与RBF神经网络相结合,建立葡萄酒质量评价预报模型,并进行训练和仿真验证。该模型运用SPSS软件对葡萄酒中影响风味指标进行主成分分析,将多变量、非线性的原始数据进行降维,保留原始信息的主要信息,把原来若干个属性变量综合成几个不相关主成分分量;再以计算结果作为RBF网络的输入数据,葡萄酒的感官评价得分作为网络的输出数据,建立葡萄酒主要理化指标与葡萄酒质量的关系模型。结果表明：该评价模型的建立,缩短了葡萄酒评价的周期,克服了品酒师聚集的困难;与传统RBF网络相比,大大简化了网络结构,提高了网络的训练速度和预报精度,为质量评价问题提供了一种的研究思路。     

基于PCA聚类分析的神经网络模型设计与应用

针对BP网络建模存在的误差大的问题,采用PCA、聚类分析与BP神经网络相结合,建立模型并应用于预测问题中。该模型首先应用主成分分析对原始数据进行降维,保留原始信息的主要信息,把原14个属性变量综合成5个不相关主成分分量;其次利用聚类分析,剔除样本中的冗长指标,使指标变量的选取更加科学合理,降低网络结构复杂度的同时提升了模型预测的准确率;最后利用MATLAB神经网络工具,编写神经网络训练系统并验证。