基于粗集理论的大曲理化指标对白酒质量和产量影响的重要因素分析

运用粗集理论方法对采集到的大曲参数(各理化指标)和用其酿造的白酒质量与产量数据进行了分析,通过对数据进行等间隔离散化处理,得到大曲理化指标与白酒质量和产量的决策表,并用属性重要性方法对决策表进行属性约简,得到了大曲理化指标中影响白酒质量和产量的重要因素.     

基于BP神经网络的白酒评判模型的MATLAB实现

根据粗集理论和神经网络的结合,对浓香型白酒的成分做了定量的研究.由于BP神经网络在解决实际问题时,其模型结构的确定、每层神经元个数的选择无现成的规律可遵循,必须由实验数据来确定.为此通过对浓香型白酒的实验数据分析,确定所需要的元素,然后对其建模.经过多次的实验仿真,训练了1个BP网络,并对该网络进行误差分析,并使结果一目了然.     

基于融合的显微图像Gabor边缘提取算法

不同参数Gabor滤波器都具有各自的频率选择和方向选择特性,图像中纹理基元可以利用多个方向和中心频率Gabor滤波器组提取出来的频谱值来表示.据此提出一种适应于显微图像的Gabor滤波边缘检测算法.使用特定不同方向Gabor滤波边缘提取算子对图像进行边缘信息提取,获得不同方向上边缘特征信息,对其进行分析和融合提取图像边缘.运用该方法时所获不同方向的图像边缘进行自适应融合,获得的图像边缘较理想,模糊的边缘得到增强,并有效地消除了噪声.实验结果表明,该算法对显微图像处理有效,检测到的边缘清晰.     

低分子有机酸酯在白酒骨架成分中的分析

根据对白酒成分的功能性物质的分类,建立了白酒香型知识表达系统,归一化定义各类香型白酒中的低分子有机酸及酯含量,利用粗集理论方法对各香型白酒低分子有机酸及酯含量进行分析,讨论低分子有机酸及其酯在白酒各类香型中的重要性,确定低分子有机酸及酯在白酒香型中的主体香味成分和骨架成分,得到了只需要提供较少的属性值就可以确定白酒香型的最小决策算法,建立了低分子有机酸及酯的含量与各类白酒香型的关系.     

基于粗神经网络的大曲理化指标对白酒质量和产量影响分析

为分析大曲理化指标对白酒质量和产量的影响.提出了一种基于粗糙集理论结合神经网络的大曲理化指标对白酒质量和产量影响新的分析方法.首先基于粗糙集理论分析大曲理化指标对白酒质量和产量影响,得出在白酒生产质量和产量中起主要作用指标.然后通过条件属性简化后构造的神经网络建立一种基于大曲理化指标与产酒量和酒质联系的数学模型.实验结果表明简化后构造的神经网络模型较好地表达了大曲理化指标与产酒量和酒质的关系.     

基于粗集理论的白酒香型识别——低分子有机酸、酯识别法

提出了将粗集理论应用于白酒香型识别的方法.用粗集理论方法对各香型白酒低分子有机酸、酯含量进行分析,约去对决定白酒香型不必要的成分(属性约简)和必要成分中不必要的成分值(规则约简),得到决定白酒香型的一种最简成分和成分值的表达方式,用较少的数据就可以确定白酒的香型.