摘要：介绍BP网络与RBF网络的方法原理以及二者在感官评估中的应用。利用企业提供的单料烟感官数据设计建立BP网络和RBF网络模型,并利用模型预测单料烟感官质量指标,然后通过行业专家提供的符合度公式对建立的模型进行评估,评估结果以百分比的形式展示。实验结果表明:在感官评估应用中,RBF网络模型预测性能优于BP网络模型。

摘要：建立基于三角形的感官评估基本模型和一种机器模拟人评估行为的控制方法,根据新的知识不断修正计算机存储的感官评估参数的控制策略,通过该控制策略实现机器的自学习过程。实验结果表明,采用自学习控制能够提高计算机辅助感官评估(CASE)实验的能力。

摘要：支持向量机(SVM)是近年来在统计学习理论的基础上发展起来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。本文从SVM的理论分析切入,阐述了SVM的基本原理、特性,提出用回归函数估计SVM进行建模来解决感官评估多类划分问题,并对其实际应用进行了算法选择、参数设计和实验验证。

摘要：以二分法为基础,应用自动学习机原理建立一种动态的感官评估实验方法.评估者根据评估过程中获得的信息,动态地调整评估策略.该实验方法分为二方面内容:首先提出应用二分法以较少实验次数完成对样本的评估,其次是应用自动学习机原理优化二分法.仿真结果表明,在不影响实验结果精度的前提下,动态实验方法能够显著地减少评估实验次数.

摘要：为了改善大多数已建模型在预测时出现盲目的、机械的预测错误情况,以不同产地烤烟和白肋烟数据作为实验样本,综合集成假设检验、凸壳构造与内点分析、序列随机性检验等理论和方法,在预测控制环节设计了具有拒绝识别和可信度分析特征的分类器预测控制算法。实验结果表明,分类器能有效地接受与训练数据相似的测试样本,并给出凸壳内点测试样本的预测值和可信度参考值,同时亦能准确拒绝识别与烤烟质量数据差异较大的白肋烟和特异香型烤烟样本。不同类型测试数据实验验证了该算法的可行性和有效性,尤其是对于以专家经验或领域知识为主的卷烟质量评价问题更加实用。