随着葡萄酒需求的大量增加,葡萄酒的质量受到了越来越多的关注。一般地,葡萄酒质量采用感官品尝的结果来评定,但是却经常受到多种因素的影响,同时葡萄酒的质量又没有统一的标准,因此葡萄酒的质量评价体系的建立亟待解决,而酿酒葡萄的质量直接决定了葡萄酒的品级。为了得到较好的葡萄酒先要对葡萄进行筛选。基于葡萄的理化指标较多,用灰色关联分析对数据进行初步处理,提取出影响葡萄质量的数个主要理化指标,再运用数据挖掘中的SOM神经网络技术对葡萄进行聚类分析。仿真结果表明:SOM神经网络能够直观准确地将原27类葡萄样品分为7类,且每一类中的葡萄样品均有一定的相似性。 用关联度就可对各指标进行分析，寻找到关键因数。1．2SOM自组织特征映射1．2．1SOM网络结构SOM自组织特征映射是非监督竞争式学习的前馈神经网络，属于神经网络的一部分葡萄分类中的应用-电动液压滚圆机滚弧机折弯机张家港电动液压滚圆机滚弧机。SOM可以通过模拟人大脑的自组织特征映射，其网络结构主要包括两部分，输入层和输出层(竞争层)。输入层的每个神经元与竞争层神经元之间具有权重，竞争层中神经元之间是全连接，神经元与神经元之间也有权重本文由全自动缩管机张家港缩管机网站 转载中国知网整理! http://www.suoguanji.name     ，即竞争层是由神经元组成的二维平面阵列。这里，则给出网络拓扑结构如图1所示。!"#!$#!!!"%图1SOM网络结构图自组织特征映射是由各个神经元之间相互竞争，最终寻找到获胜神经元，再依据获胜神经元将数据自动分类的过程。其首要、也是其核心任务就是寻找到获胜神经元。由图1可知，由于其网络为特殊的拓扑结构，因此在竞争层权值的更新过程中，不仅获胜神经元的权值向量得到更新，而且与获胜神经元邻近的神经元的权值向量也按一定的规律发生微小变动。这样随着神经元之间不断地调整权值，最终确定出竞争胜出神经元，依据竞争胜出神经元来对物体进行聚类分析。1．2．2SOM算法及实现要想使用SOM对数据进行聚类分析，就要训练构建一个SOM网络。整体过程可研究展开如下:1)设定一组变量，即输入数据Χ=x1，x2，…，xm[]，并且对输入数据进行标准化，即:x＇=x‖x‖2)参数初始化。初始随机设定一组较小的权值，即ωi(k)=ωi1(k)，ωi2(k)，…，ωim[(k)]，并对权值采用归一化处理，即:ω'i设定了网络的学习速率、竞争层神经元的个数、传递函数和距离函数。其中，竞争层神经元的个数确定较为关键，因葡萄分类中的应用-电动液压滚圆机滚弧机折弯机张家港电动液压滚圆机滚弧机本文由全自动缩管机张家港缩管机网站 转载中国知网整理! http://www.suoguanji.name