摘要：在香料的生产过程中,当生产厂商获得一个未知样本时，需要对其进行快速鉴别，这就是质量控制。另外由于生产所需的原材料不尽相同，因此需要给出各种不同的原材料对目标香料的相似度，据此来进行香料的调控，从而满足生产需要。目前，香料领域的专家在进行香料分类时常使用层次聚类法和主成分分析法，但他们都需要有丰富的经验去判定才能获得较好的分类效果。为了克服这两种方法的缺点，使用改进的BP神经网络算法对香料数据进行了快速分类，取得了令人满意的分类效果。其次为了进一步验证分类的正确性，使用相似度计算公式，定量的给出了待检测样品与各个类别之间的相关性。最后使用BP神经网络算法建立了香料数据与人工感官评价之间的模型，降低了人工品评的复杂性，其预测的感官评价数据结果可信度较高。24507
毕业论文关键词：误差反向传播算法；人工神经网络；香精香料；相似度；人工感官评价；电子鼻；电子舌
The Designs of Flavoring Recognize and Analyze System by using BP Neural Network Algorithm
Abstract: When the manufacturer gets an unknown sample, they need to make a rapid identification. This is called quality assurance. Because ingredients are almost different. So we should give out the similarity rate between ingredients and flavorings. According to the rate, the manufacture can meet the demand of production. Nowadays, experts using hierarchical cluster method or PCA method to recognize flavoring data. In order to overcome the disadvantages of two methods, using BP neural network algorithm to instead. This achieved satisfactory results. To confirm the design and implementation. The quantitative relationships between samples are given with each category by using formula. Finally, establish the relationship between the flavoring data and artificial sensory evaluation. It can reduce the complexity of artificial taste and the result of the prediction data has high reliability.
Keywords: BP neural network; artificial neural nets; flavoring; similarity rate; artificial sensory evaluation; electronic nose; electronic tongue
目录
摘要 i
Abstract i
目录 ii
1 绪论 1
1.1 项目背景 1
1.2 研究内容 1
1.3 国内外研究方向 1
1.4 文章结构 2
2 人工神经网络算法——BP算法 3
2.1 神经网络的基本概念 3
2.1.1 什么是人工神经网络 3
2.1.2 人工神经元模型 4
2.1.3 人工神经网络模型 4
2.2 BP神经网络 5
2.2.1 BP神经网络的发展 5
2.2.2 BP神经网络学习算法——最速下降法 5
2.2.3 BP神经网络的局限 9
2.2.4 标准BP算法的改进 10
3 香料数据的分类 12
3.1 香料数据的来源——电子鼻与电子舌 12
3.1.1 电子鼻简介 12
3.1.2 电子舌简介 12
3.2 功能描述 13
3.3 算法详解 14
3.3.1 layer类 14
3.3.2 net类 14 基于BP神经网络算法的香料鉴别分析系统的研制:http://www.youerw.com/zidonghua/lunwen_18034.html