基于物理化学性质的葡萄酒质量的可视化评价研究-燕山大学学报.PDF

卷 期 燕山大学学报 年 月 文章编号：1007-791X (2010) 02-0133-05 基于物理化学性质的葡萄酒质量的可视化评价研究 王金甲 ，尹 涛 ，李 静 ，洪文学 ，马崇霄 （ 燕山大学 电气工程学院，河北 秦皇岛 ； 燕山大学 信息科学与工程学院，河北 秦皇岛 ； 燕山大学 理学院，河北 秦皇岛 ； 河北科技师范学院 机电工程学院，河北 昌黎 ） 摘 要：提出了一种可视化的方法评价葡萄酒质量。葡萄酒数据来自于认证阶段的物理化学分析测试，其中输 入变量是 个，输出变量是葡萄酒质量，共得到 个的红葡萄酒样本和 个的白葡萄酒样本。结果表明 该方法的效果优于传统的神经网络和支持向量机方法，并且具有可视化的优点。这对于改进酿酒品酒评价和葡 萄酒生产都有重要意义，并且对根据消费者口味细分目标市场也很有帮助。 关键词：评价；可视化；支持向量机；神经网络；多元数据图表示 中图分类号：TP 183 文献标识码：A 引言 表示来可视化分类葡萄酒的新方法。实 结 证明 图表示方法不仅分类效果好，而且具有可视化的特 葡萄酒是一种成分复杂的酒精饮料，不同产 点。葡萄酒数据来自于 数据库。 地、年份和品种的葡萄酒成分不同。成分与葡萄酒 的质量关系密切，是划分葡萄酒等级的重要依据。 葡萄酒数据的可视化质量评价 国内外普遍的是采用近红外光谱 和三维荧光光 葡萄酒数据 谱 等技术，它的缺点是需要复杂的化学计量学 知识，而且解释困难 。而通过测量葡萄酒的物理 葡萄酒数据包括 个的红葡萄酒样本和 化学性质进而评估其质量，应该是最有效的方法。 个的白葡萄酒样本，输入变量包括客观的测 理化实验室常规检验包括葡萄酒的密度，酒精或 试 如 值 ，输出变量基于感觉数据 葡萄酒专 值，而质量评价主要依靠专家的感官。应该强 家提出的至少 个评价的均值 。每位专家的葡萄 调指出味道是最难理解的一种感官，因此葡萄酒质 酒质量分级介于 极坏的 和 非常优秀 。极 量分类是一项艰巨的任务。此外理化性质和感官分 好的和极差的葡萄酒的样本都是少数，评价为中间 析之间的关系很复杂，现在也不能完全理解。 的葡萄酒样本最多。神经网络、支持向量机和图表 示分类方法用于建模数据，分类准则为正确率。 信息技术的进展使得搜集、存储和处理数据成 为可能。数据挖掘、神经网络、模式识别、机器学 根据理化测试得到的输入变量包括 个，分 习等技术都能在葡萄酒分类中应用。复杂的模型容 别是固定酸度 （酒石酸）， ，挥发酸 （乙酸）， 易过拟合导致泛化能力减弱，模型太简单导致学习 ，柠檬酸， ，残糖， ，氯 （氯化钠）， ， 能力有限。神经网络、支持向量机两种方法均有参 游离二氧化硫， ，总二氧化硫， ，密度， 数可以调整，能获得令人满意的效 。 ， 值，硫酸盐 （硫酸钾）， ，酒精度。 基于感觉数据的输出变量是葡萄酒质量，评分为 采用了 个红葡萄酒样本和 个白葡 至 。红葡萄酒 类，分