使用bp神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)紅酒分類

1、 使用使用BPBP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)紅酒分類神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)紅酒分類第第8 8組：組：問題提出問題提出葡萄酒化學(xué)成分復(fù)雜葡萄酒化學(xué)成分復(fù)雜葡萄酒的質(zhì)量是各種化學(xué)成分的綜合反映葡萄酒的質(zhì)量是各種化學(xué)成分的綜合反映通常檢測的方法有通常檢測的方法有感官評定和常規(guī)的理化指標(biāo)檢測感官評定和常規(guī)的理化指標(biāo)檢測感官評定雖然在生產(chǎn)中也有較多的應(yīng)用感官評定雖然在生產(chǎn)中也有較多的應(yīng)用但是評測周期長但是評測周期長 影響因素多影響因素多主觀性強(qiáng)主觀性強(qiáng) 重復(fù)性差重復(fù)性差且無法快速檢測且無法快速檢測使用使用BP神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)對標(biāo)準(zhǔn)化且具有一致評判對標(biāo)準(zhǔn)化且具有一致評判標(biāo)準(zhǔn)的數(shù)據(jù)進(jìn)行訓(xùn)練標(biāo)準(zhǔn)的數(shù)據(jù)進(jìn)行訓(xùn)練將來分類時僅僅使用理化將

2、來分類時僅僅使用理化指標(biāo)進(jìn)行評估指標(biāo)進(jìn)行評估不帶有人為主觀因素不帶有人為主觀因素l數(shù)據(jù)源來自數(shù)據(jù)源來自UCI數(shù)據(jù)庫中的數(shù)據(jù)庫中的wine數(shù)據(jù)包數(shù)據(jù)包,該數(shù)據(jù)該數(shù)據(jù)包含意大利在不同地點(diǎn)所生產(chǎn)的三種葡萄酒的包含意大利在不同地點(diǎn)所生產(chǎn)的三種葡萄酒的資料資料,特性如下特性如下:樣本共樣本共178個個,特征共特征共13個個,都是都是由化學(xué)分析所得到的數(shù)值由化學(xué)分析所得到的數(shù)值,沒有未知量沒有未知量l數(shù)據(jù)首先進(jìn)行歸一化處理數(shù)據(jù)首先進(jìn)行歸一化處理數(shù)據(jù)處理數(shù)據(jù)處理l 葡萄酒葡萄酒檢測的檢測的不同不同理化指標(biāo)會在一定程度上理化指標(biāo)會在一定程度上影影響響葡萄酒的葡萄酒的分類分類。使用使用SPSS軟件初步分析理化軟

3、件初步分析理化指標(biāo)和分類之間的關(guān)系。指標(biāo)和分類之間的關(guān)系。l 十三個特征，建立十三個輸入十三個特征，建立十三個輸入神經(jīng)元。神經(jīng)元。l 葡萄酒分成三類，建立三個輸葡萄酒分成三類，建立三個輸出神經(jīng)元；對輸出進(jìn)行編碼，出神經(jīng)元；對輸出進(jìn)行編碼，第一類編碼為第一類編碼為100，第二類，第二類010，第三類第三類001.l 由于一層隱藏層足以擬合各種由于一層隱藏層足以擬合各種分類面，我們將其設(shè)計為一層。分類面，我們將其設(shè)計為一層。l 隱藏層內(nèi)部節(jié)點(diǎn)個數(shù)，按照隱藏層內(nèi)部節(jié)點(diǎn)個數(shù)，按照（3*輸入層個數(shù)）設(shè)計。輸入層個數(shù)）設(shè)計。建立建立BP神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)模型010樣本被分到第二類的模擬結(jié)構(gòu)圖樣本被分到第

4、二類的模擬結(jié)構(gòu)圖l輸入，輸出結(jié)點(diǎn)和輸入，輸出結(jié)點(diǎn)和結(jié)點(diǎn)間權(quán)值，結(jié)點(diǎn)閾值結(jié)點(diǎn)間權(quán)值，結(jié)點(diǎn)閾值使用數(shù)組實(shí)現(xiàn)。使用數(shù)組實(shí)現(xiàn)。l樣本數(shù)據(jù)和測試數(shù)樣本數(shù)據(jù)和測試數(shù)據(jù)使用據(jù)使用Study_DataN與與Test_DataTestN 結(jié)構(gòu)體結(jié)構(gòu)體數(shù)組實(shí)現(xiàn)。數(shù)組實(shí)現(xiàn)。l權(quán)值閾值使用權(quán)值閾值使用(-1,1)間的隨機(jī)數(shù)產(chǎn)生。間的隨機(jī)數(shù)產(chǎn)生。l激活函數(shù)使用激活函數(shù)使用Sigmoid函數(shù)：函數(shù)：l Err_mN存儲每個樣本的均方存儲每個樣本的均方誤差，當(dāng)所有樣本的均方誤差誤差，當(dāng)所有樣本的均方誤差和小于和小于0.01時，停止訓(xùn)練。時，停止訓(xùn)練。l Study變量統(tǒng)計迭代次數(shù)，當(dāng)?shù)兞拷y(tǒng)計迭代次數(shù)，當(dāng)?shù)螖?shù)到達(dá)代次數(shù)

5、到達(dá)10000次，停止訓(xùn)次，停止訓(xùn)練。練。l 每個樣本采用梯度下降法修正每個樣本采用梯度下降法修正權(quán)值。權(quán)值。l 學(xué)習(xí)因子決定著權(quán)值更新幅度。學(xué)習(xí)因子決定著權(quán)值更新幅度。我們經(jīng)過反復(fù)試驗(yàn)，將學(xué)習(xí)因我們經(jīng)過反復(fù)試驗(yàn)，將學(xué)習(xí)因子設(shè)定為子設(shè)定為0.8。l 我們采用的優(yōu)化方法是加入動我們采用的優(yōu)化方法是加入動量項(xiàng)。取值在量項(xiàng)。取值在(0,1)之間，代表之間，代表是否側(cè)重前一代權(quán)值改變。本是否側(cè)重前一代權(quán)值改變。本程序?qū)恿恳蜃釉O(shè)定為程序?qū)恿恳蜃釉O(shè)定為0.9。l 將將178個樣本，分為個樣本，分為118個樣個樣本進(jìn)行訓(xùn)練，本進(jìn)行訓(xùn)練，60個樣本進(jìn)行個樣本進(jìn)行測試。測試。60個測試樣本分別有個測試樣本分別有20個來自個來自3個類別葡萄酒。個類別葡萄酒。l 現(xiàn)場運(yùn)行程序，觀察分類錯現(xiàn)場運(yùn)行程序，觀察分類錯誤率。誤率。程序運(yùn)行與結(jié)果說明程序運(yùn)行與結(jié)果說明由于樣本有由于樣本有13維，我們維，我們可以采用維可以采用維規(guī)約技術(shù)進(jìn)規(guī)約技術(shù)進(jìn)行優(yōu)化數(shù)據(jù)行優(yōu)化數(shù)據(jù)樣本樣本程序還可以進(jìn)行的改進(jìn)程序還可以進(jìn)行的改進(jìn)我們還可以運(yùn)我們還可以運(yùn)用局部學(xué)習(xí)率用局部學(xué)習(xí)率自適應(yīng)調(diào)整，自適應(yīng)調(diào)整，使得學(xué)習(xí)率最使得學(xué)習(xí)率最優(yōu)化。優(yōu)化。 設(shè)計一個局部學(xué)習(xí)率自設(shè)計一個局部學(xué)習(xí)