计算智能技术的集成与工业应用研究

摘要

近几年，计算智能技术发展迅速，新算法层出不穷。计算智能方法在各个领域的应用有目共睹，取得了大量的研究成果。而对于配方产品相关的行业，传统的配方设计模式过多地依赖于人工专家的经验，产品设计的效率低、时间长、费用高，已经无法满足企业的需求。 本文将计算智能技术引入到配方产品相关行业的产品设计过程中。首先以烟草行业为例，详细分析了卷烟产品设计的整个业务流程，在关键的业务环节采用了与之相适应的分析方法，辅助技术人员完成产品设计的工作，形成配方产品智能辅助设计的方法体系。本文将配方产品智能辅助设计划分为四个重要的技术环节，包括智能感官评估、相关性分析、总体差异性分析、组合优化。而数据分析工作始终贯穿于这四个环节。人工神经网络、SVM方法具有很强的非线性逼近能力，被用于建立预测产品感官质量的学习模型，其中sVM方法适用于解决高维、小样本问题。M5’模型树采用分段线性化逼近非线性关系，建立的学习模型具有显式特点，容易被用户所接受。运用BP神经网络知识提取的方法，通过构造阶梯样本分析输入变量与输出变量的非线性关系，而模糊散点图将两个变量的变化趋势以图形方式展现出来。除此之外，注重采用经典的多元统计分析方法作为计算智能方法的有益补充，从不同的层面和角度来分析变量间的相关关系。在总体差异性分析中，本文利用计算样本数据的统计量，描述样本的分布情况，不仅反映了样本总体的差异情况，也可以为深入的数据分析奠定基础。最后，利用遗传算法将原辅材料进行组合优化，得到若干个候选的配方方案，通过人机交互形成最终的产品配方。 在工业条件下采集的生产数据样本具有明显的信息不完备的特性。因此，在应用计算智能方法之前，本文将重点放在数据预处理工作，同时结合行业背景知识，使得分析结果更加准确，可解释性也更强。 本文最后将配方产品智能辅助设计的方法体系推广到啤酒等其他行业的产品设计问题上，由于这些行业彼此间具有很大的共性，因此该方法体系具有很好的推广前景。

目录

文摘

英文文摘

独创声明及学位论文版权使用授权书

第一章概论

1.1选题背景及其研究意义

1.1.1选题背景

1.1.2研究意义

1.2配方产品设计的行业现状

1.3论文主要研究内容

第二章计算智能方法

2.1计算智能的发展及研究现状

2.2人工神经网络

2.2.1人工神经网络的基本原理

2.2.2BP神经网络及其改进

2.3支持向量机

2.3.1统计学习理论

2.3.2支持向量机方法的基本思想

2.3.3最优超平面的求解

2.3.4线性不可分问题的求解

2.3.5基于核方法的非线性学习机

2.3.6支持向量机回归分析

2.3.7支持向量机方法的特点

2.4模糊信息扩散近似推理方法

2.5 M5'模型树

2.6遗传算法

2.7多元统计分析

2.7.1统计量分析

2.7.2相关系数法

2.7.3主成分分析

2.7.4逐步回归分析

2.8小结

第三章配方产品智能辅助设计

3.1配方产品智能辅助设计的技术体系

3.1.1智能辅助设计的工作流程

3.1.2计算智能方法的集成

3.1.3数据分析的方法体系

3.2数据描述

3.3数据特点——信息不完备性

3.4数据预处理

3.5智能感官评估

3.5.1基于BP神经网络的智能感官评估模型

3.5.2基于SVM的智能感官评估模型

3.5.3基于M5'模型树的智能感官评估模型

3.6相关性分析

3.6.1基于BP网络知识提取的相关性分析方法

3.6.2基于模糊信息扩散的相关性分析方法——模糊散点图法

3.6.3基于传统统计分析的相关性分析方法

3.7总体差异性分析

3.8组合优化问题

3.9小结

第四章计算智能技术在啤酒及其它行业的推广应用

4.1啤酒行业背景

4.2啤酒产品的感官评估问题

4.3啤酒泡沫问题

4.3.1啤酒泡沫的基本概念

4.3.2数据描述及数据特征

4.3.3计算智能方法的应用

4.4在其它行业推广应用的前景

4.5小结

第五章结论及展望

5.1结论

5.2展望

参考文献

致谢

攻读硕士学位期间完成的学术论文及攻读硕士期间申请专利