多评估空间智能融合及其在感官评估中的应用研究

发布时间：2020-07-18 01:56

【摘要】： 在全球化市场竞争日益激烈的今天,以客户为中心的研发和生产模式成为很多企业发展的核心,感官评估是保证产品质量和挖掘顾客对产品的反应的重要方式,是生产和消费领域内广受关注的问题。为了解决传统的感官评估研究分散而独立的问题,本文从系统的的角度对感官评估进行深入研究与探讨。多源信息融合是对目标对象进行系统分析,并将其中各信息源整合以完成需要的评估和决策而进行的一系列处理过程。在对感官评估进行系统研究时,可以利用信息融合将客观评估、主观评估、评估专家、评估词汇等评估信息融合进行分析,并给出适时完整的评价。本课题将信息融合的一些分析思想、算法和模型,应用到感官评估的研究中,定义了一个智能感官评估融合系统,并在此系统架构的基础上完成了感官评估的多源信息融合方法,最终实现了对感官评估的系统分析和研究。首先,从评估系统的基本概念开始,对感官评估的评估方法、评估内容以及感官评估的应用现状进行了综述,指出了目前发展存在的问题以及将来的发展方向,并进一步指出了进行感官评估研究的实际需求;介绍了信息融合基本原理、概念、方法和应用,为感官评估融合系统的设计和分析提供了技术支撑。其次,从理论基础和实际需求出发,给出了一个两层感官评估结构,定义了面向设计的感官评估和面向市场的感官评估。总结了感官评估的四个主要要素,并以集合的形式进行了描述。基于感官评估的这个分层模型,定义了多评估空间,并完成了多评估空间的数学描述。然后,在感官评估的两层架构基础上,对纺织品智能感官评估系统进行了总体设计,定义了五个模块,并简单地介绍了系统各组成模块的功能以及模块之间的关系。再次,在面向产品设计开发的客观数据评估模块中,采用核聚类对织物的机械性能指标进行融合;并采用免疫聚类对客观数据进行聚类融合,提取此织物的机械性能特性,并对两种不同的方法在用于感官数据聚类上的效果进行比较。接着,在面向产品设计开发的专家评估研究中,对感官评估基础数据的标准化和感官数据的融合问题进行了研究。通过对感官评估基础数据进行标准化处理,为数据分析阶段提供了有效的目标数据;并对顾客感官评估数据进行分析,借助于信息融合算子给出了专家评估的群决策结果。再接着,在顾客和市场研究一层,分析顾客偏好心理,据此设计顾客满意度调查表,提取了顾客偏好心理;并依据专家系统建立了顾客感官偏好与织物类别间的联系;并实现智能感官评估融合系统。最后,对全文研究内容进行了总结,指出研究工作中存在的不足,明确了下一步的研究方向。
【学位授予单位】：东华大学
【学位级别】：博士
【学位授予年份】：2007
【分类号】：TP18;TP3
【图文】：

数据分布,减法聚类,空间聚类,聚类数

将一次从剩余数据中选出其它的中心点。直到从所有剩余数据中选出的聚类中心点的数据分布密度低于某个预先设定的值，算法才结束。借助于减法聚类得到了可能的最优聚类数是3，如图3.1所示。三个中心点在数据空间分散开来，且每个中心点周围都具有较高的数据分布密度。O 00.0ooOOOoo呀氏尽八00OO压了让言。姗oooo吕夕O附断吼琳。.6派已了 0.8以马﨑5争l一以卞O一」O?一一飞图3.1减法聚类在两维空间聚类得到的聚类数目和中心点在本实验中，选择高斯核函数用于聚类，机设定聚类中心，并得到最终的聚类结果，余下设定聚类数目为3。在聚类中随如图3.2所示。采用FcMI’30]也可得到相似的结果，如图3.3所示。图3.3中，红、蓝和绿色“*”形的点代表43块织物，黑色“*”表示聚类的中心。同类数据点可以连接成线，而不同的点则没有连接成线。口‘gO日O了0.5~僵万万拦几涯以、0.4介春彝乒:一一。、砂已3江2口异介压

聚类,样本数据,空间分布,方法

余下设定聚类数目为3。在聚类中随如图3.2所示。采用FcMI’30]也可得到相似的结果，如图3.3所示。图3.3中，红、蓝和绿色“*”形的点代表43块织物，黑色“*”表示聚类的中心。同类数据点可以连接成线，而不同的点则没有连接成线。口‘gO日O了0.5~僵万万拦几涯以、0.4介春彝乒:一一。、砂已3江2口异介压，.沐仓2川.住3补一让奋立日攀尸一_一压彩一二。月

聚类算法,聚类,中心点,抗体

第3章聚类融合及其在客观评估中的应用聚类结果如图3.7所示，提取出来的特征样本就是生成的抗体，内各点的中心点。在图3.7中，‘*’代表三个最终的中心点(对应的点被连接成线(对应抗体)。每个中心点周围分布着若干其它对相应抗体的识别)。1.1

【参考文献】