人工神经网络在白酒品牌识别中的运用开题报告

1. 研究目的与意义

1.白酒是我国的传统饮品，在我国具有悠久的历史。

千百年来的积淀，赋予了白酒新的价值。

近年来，市场上不断出现各种以劣充优、假冒名优白酒的现象，不仅严重影响名酒的信誉、危机企业的生存和发展、扰乱市场的正常秩序，也严重损害了消费者的切身利益和身体健康。

2. 研究内容和预期目标

1.研究内容(1) 利用化学计量的方法对物质组成进行分析：利用飞行时间质谱仪采集样本数据；(2) 利用模式识别方法对样本数据进行分类鉴别：通过前端数据的预处理，提取模式特征，利用分类器对特征样本进行鉴别；(3) 通过人工神经网络算法对样本数据进行分析以及人工神经网络参数的优化。

2.拟解决的关键问题(1) 通过对前端仪器采集的数据进行仪器稳定性验证，以免影响后期分析结果；(2) 谱图数据的降噪处理：通过数学变换方法，降低系统信号噪声；(3) 高维数据的特征提取：为降低计算冗余度、提高识别分析准确率，需要对样本数据的模式特征进行筛选；在谱图数据下，需要使降维后的数据具有实际意义；(4) 人工神经网络的选取与参数优化设置。

3.写作提纲(1)对国内外白酒鉴别现状进行分析，了解不同的鉴别方法的优缺点，人工神经网络具有具有计算快速和稳定的特点，在时间，精确度上优于其他鉴别方法(2)介绍了飞行时间质谱，小波变换阈值降噪，pca主成分分析，人工神经网络的基本原理以及方法，将运用于白酒鉴别中(3)进行实验，通过飞行时间质谱仪进行数据采集，利用小波变换阈值降噪，运动主成分分析进行数据的分析，最后，利用神经网络进行分类(4)得出结论，展望

3. 国内外研究现状

1.白酒是一个复杂的体系，其中98%~99%的成分都是乙醇和水，它们构成了白酒的主体，而约占1%~2%的溶于其中的酸、酯、醇、醛等种类众多的微量有机化合物是决定白酒香气、口感和风格的关键 [1][2]。

近年来，应用仪器手段进行酒类品质鉴别已经得到了广泛的认同，除了采用感官品评外，越来越多的识别技术被研究人员应用在了白酒的分析中。

2.化学谱图采集仪器基于分析样品相关物理性质，对其组分进行分解与剖析。

4. 计划与进度安排

(1) 资料收集在论文工作开始之前完成资料的收集，资料包括相关领域的研究现状及研究方法，通过文献阅读加深对课题的理解。

(2) 提交开题报告内容包括选题依据、研究的内容及目标、研究方案及可行性分析、研究进度计划等。

在文献学习的基础上，针对课题提出研究思路与方案。

5. 参考文献

[1] 徐成勇, 郭波, 周莲等. 白酒香味成分研究进展[J]. 酿酒科技, 2002, (3):38-40.[2] 张永生, 魏新军, 韩伟元等. 白酒中微量成分的气相色谱-质谱分析与鉴定[J]. 酿酒科技, 2011, (3):101-103.[3] 霍丹群, 张苗苗, 侯长军等. 基于主成分分析和判别分析的白酒品牌鉴别方法[J]. 农业工程学报, 2011.[4] 杨建磊. 基于三维荧光光谱的白酒分类鉴别系统研究[D]. 江南大学, 2009. [5] 李操, 周亚飞, 欧阳永中, 等. 电喷雾萃取电离质谱法用于掺假白酒的快速分析[J]. 化学学报, 2013.[6] Varmuza K, Werther W. Mass spectral classifiers for supporting systematic structure elucidation[J]. Journal of chemical information and computer sciences, 1996, 36(2): 323-333.[7] Michalak K, Kwa#347;nicka H. Correlation-based feature selection strategy in classification problems[J]. International Journal of Applied Mathematics and Computer Science, 2006, 16: 503-511.[8] 姜安, 彭江涛, 彭思龙等. 基于SVM的白酒红外光谱分析方法研究[J]. 计算机与应用化学, 2010, 27(2).[9] 张玉玺. 特征挑选方法在有机谱图解析中的应用[D]. 四川大学, 2007.[10] 陈华, 郁志勇. 中国白酒香型的化学模式识别 (Ⅰ): 主成分分析和因子分析[J]. 食品科学, 2000, 21(7): 42-47.[11] 张鑫. 电子鼻分析技术在白酒品质检定中的应用研究[J]. 酿酒, 2014 (2): 27-29.[12] 殷勇, 田先亮. 酒品质量稳定性的神经网络鉴别方法研究[J]. 食品科学, 2005, (11):210-212.[13] 彭帮柱, 龙明华, 岳田利, 等. 傅立叶变换近红外光谱法检测白酒总酸和总酯[J]. 农业工程学报, 2007, 22(12): 216-219.[14] 王梦秋, 万幼川, 李刚. 核聚类改进的 RBF 神经网络遥感影像分类[J]. 测绘科学, 2014, 39(001): 96-100.[15] 程平言, 范文来, 徐岩. 基于质谱与化学计量学的浓香型白酒等级鉴别[J]. 食品与发酵工业, 2013, (6):169-173.