期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

基于极限学习机的高品质葡萄酒等级识别模型 被引量：3

Recognition Model for Grade of High Quality Wine Based on Extreme Learning Machine
下载PDF
导出
摘要 为创建一种高品质葡萄酒等级的快速识别模型,采用极限学习机(Extreme Learning Machine,ELM),考察葡萄酒理化指标值与感官评审结果之间的相关关系,构建了基于理化指标的葡萄酒品质等级快速预测模型,并比较了不同隐含层神经元个数对ELM模型预测性能的影响。结果显示:在隐含层神经元个数为151时,所构建的ELM模型预测性能最好,测试集正确识别率为80.7%,运算用时0.826 s,效率极高,可用于高品质葡萄酒等级的快速识别。
作者 韩方凯 张雪柯 吕日琴 张东京 翟科峰
机构地区 宿州学院生物与食品工程学院 江苏大学食品与生物工程学院
出处 《宿州学院学报》 2018年第2期101-104,共4页 Journal of Suzhou University
基金 宿州学院教授(博士)科研启动基金项目"基于智能仿生味觉的葡萄酒品质快速检测新方法研究"(2016jb03) 国家级大学生创新创业训练计划项目"基于可视化味觉 嗅觉融合的葡萄酒品质快速检测新方法研究"(201710379008) 安徽省高校自然科学研究重点项目"基于跨相多源光谱信息融合的葡萄酒品质快速无损检测新技术研究"(KJ2018A0447)
关键词 葡萄酒 等级判别 理化指标 感官分析 极限学习机
分类号 TS261.7 [轻工技术与工程—发酵工程]
  • 相关文献

参考文献6

二级参考文献71

  • 1周艳琼.我国葡萄酒市场的发展[J].中国酿造,2006,25(6):80-81. 被引量：16
  • 2单敬福,纪友亮,柳成志.改进人工神经网络原理对储层渗透率的预测——以北部湾盆地涠西南凹陷为例[J].石油与天然气地质,2007,28(1):106-109. 被引量：15
  • 3SC/T3032-2007,水产品中挥发性盐基氮的测定[S].
  • 4Osman E A, Abdel-Wahhab O A, Al-Marhoun M A. Prediction of Oil PVT Properties Using Neural Networks[C]//Proc of the SPE Middle East Oil Show and Conf,2001.
  • 5Huang G B, Zhu Q Y, Siew C K. Extreme Learning Machine: A New Learning Scheme of Feedforward Neural Network[C] //Proc of Int'l Joint Conf on Neural Networks, 2004.
  • 6Huang G-B, Zhu Q-Y, Siew C-K. Extreme Learning Machine: Theory and Applications[J]. Neurocomputing, 2006, 70:489-501.
  • 7Vapnik V. Statistical Learning Theory[M], 1998.
  • 8libSVM[ED]. [2009-04-12]. http://www. csie. ntu. edu. tw/ -cjlin/libsvm/.
  • 9Fan R-E, Chen P-H, Lin C-J. Working Set Selection Using the Second Order Information for Training SVM[J]. Journal of Machine Learning Research, 2005,6 : 1889-1918.
  • 10Li M-B, Huang CrB, Saratchandran P, et al. Fully Complex Extreme Learning Machine[J]. Neurocomputing, 2005,68: 306-314.

共引文献102

同被引文献39

引证文献3

二级引证文献8

宿州学院学报
2018年 第2期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部