知识发现方法研究及其在感觉评估中的应用
知识发现(Knowledge Discovery in Database,KDD)，是一种以计算机为工具，将人工智能、统计、计算机及数据库等技术相结合，旨在从数据中提取总结出新信息的技术。感觉评估，即测量、分析和解释人感觉(视觉、味觉、嗅觉、触觉、听觉)对产品特征的反应或评价的科学技术。感觉评估具有主观性、灵活性的特点，以前通常依靠专家经验进行。随着信息量的膨胀、工业需求的增加和评估精度的提高，传统方法已经难以大规模推广。因此，借助神经网络、统计分析、数据挖掘等技术手段实现智能感觉评估中的知识发现，将具有重要的现实意义。
神经网络具有非线性、自学习和推广能力强的特点，但经训练获得的知识不容易显式表达，难以被人们理解。为此，首先引入了神经网络函数逼近器的知识发现算法，将隐层单元的非线性激励函数进行三段线性化逼近，实现了输入与输出之间关系的规则提取。通过对输入神经元进行削减实现了输入空间的压缩。将该算法应用于卷烟感觉评估，提取了烟叶理化指标与感官质量指标之间的规则。但此方法仍有一些不足，为了使提取的规则和知识更加形象化、精确化，接下来引入了M5算法。在分析了该算法的原理、流程之后，将其应用在卷烟的感觉评估领域，实现了烟草数据知识发现。但在实际应用中，只采用一种方法往往难以达到理想的效果。最后，将统计分析、神经网络与M5模型树方法进行比较与融合，建立了烟草行业感觉评估的知识发现整体方案。该方案不仅通过了实验验证和实践证实，而且已经在企业中被采用，辅助专家进行感觉评估工作。
知识发现;神经网络;数据库
中国海洋大学
硕士
信号与信息处理
丁香乾
2006
中文
TP182
59
2007-08-07（万方平台首次上网日期，不代表论文的发表时间）