，学求论坛
烟叶分类的神经网络方法
王爱国
杨纪青陈洪萍周良金湖北襄樊学院湖北裹类
441053
数字技术与应用
摘要：为实现烟叶nie-ts-rs-k-cl含量分审的自短织分奥，用SOM种经网络捷术，以山求中期公司提供的129种烟叶为学习和测试样本，划练和检测神经网络对烟叶nie-ts-rs-k-cl含量分本的自如织分美。实验显示，经过1000步的训练，S0M种经网络矩降映款重复操作归要相同率，在副除特异结果后达到80%以上。这一结果证实，利用SOM种神经网络技术，可以对烟叶参数组合取值分本逐行客现分类，为烟叶质量评级，性预测，缺陷诊断，状态预测和种要议剧提供依据，
自虹织分具SOM神经网络nie-ts-rs-k-cl含量分本
关键调：竭叶
中图分类号：TS411.1
文章编号：1007-9416(2010)11-0095-01
文献标识码：A
Self-organizing classificationFor theDistribution of the content of nic-ts-rs-k-clinthetobaccosBasedonSoMNeuralNetworks
In this paper we realize the self-organizing elsssification for the distributien of content of niets-rs-k-cl in the tobaccos
Abstract,
based on SOM neural networks.
Keywords; Tobacco, classification of self-erganizstien; SOM neural netwerk, nicts-rs-k-el content distributien
对各种体系例如烟叶参数组合取值分布进行客观分类这一课题，在一些特殊情形下进行的相关研究已有不少报道。选择不同体系的不同"参数组合取值分布"，利用神经网络技术进行自组织分类，可以精确得到各种体系例如烟叶的多侧面归类，为各种体系例如烟叶的质量评级，属性预测，缺陷诊断、状态预测和种类识别提供客观依据。这是一个有价值的课题，本文以烟叶nic-ts-rs-k-cl含量分布自组织分类为例研究这一课题，
1材料与方法 1.1材料和仪器
烟叶和数据。采用济南金宏利公司提供的129种烟叶样品及烟叶nic-ts-rs-k=cl含量取值分布数据为体系"参数组合取值分布“数据。
1.2方法
(1)取120种烟叶训练样本和9种烟叶测试样本数据：烟叶nic-ts-rs-k-cl含量取值分布.作为训练和检测SOM神经网络的输人矩阵，
(2)上述操作重复进行100次，比较每次结果的烟叶样品归类一致率，以检验SOM神经网络矩阵映射的准确性和可靠性。
核心代码如下： x=l
裹1
瞬叶编号 50840310 51011010 1890310 612701 601901 51740310 604301
601701 50840110 50840710 51590410 51690410 51430210 51470210 51540110
" clf reset
figure(gcf) echo on
pause clc
P=zscore(X+Y),%biaozhunhua
peuse clc
plot3(p(:,1),p(:.2),p(:,3),"*"), axis([1 1 0 1D),
title('Input data'),
peuse clc
net=newsoms([0 1,0 1].[9D,
pause clc
nets.trainParam.epochs=100, net=trains(net,p),
peuse clc figure
wnetiw(1),
%IW是输人层到第一层的权值矩阵
%LW是中间层和输出层，也就是神经元到神经元的权值
%b是第Ni层的偏向向量
SOM神经网络对烟叶nic-ts-rs-k-cl含量取值分布的自组织分类
nic 1.105 1.905 1.180 2.072 2.326 3.875 3.927
5.258 0.733 1.135 1.082 1.265 2.490 1.504 016'1
万方数据
ts
38.245 36.760 35.300 25.325 26.197 14.520 23.755 14.636 32.230 34.080 29.539 30.415 1162 29.472 28.640
31.950 33.545 33.420 24.245 24.870 13.470 18.780 12.919 26.335 26.170 28.557 28.210 27.480 27.410 26.940
1.955 2.055 1.510 t.379 2.084 1.770 2.078 2.344 1.885 1.475 0.930 1.785 1.545 1.270 0.760
cl
0.400 0.260 0.320 0.311 0.428 0.290 0.173 0.303 0.545 0.425 0.245 0.693 0.420 0.212 0.290
归类
5 5 6
6 7
8
归类-
5 5 6 6 6 7 7 7 7
8 8
归类
7 7 7 5 5 6 6 6
2 2 2
归类 6 6-1
2 2 2
Plotsom(net.Iw(1,1),net.layersf1).dis tanoes)
pause cle
asim(net,[0.6,0.8D echooff
2结果与讨论
运行结果的部分示例数据如表1，
SOM神经网络对烟叶样品的自组织分类，重复100次，别除这100次统计结果中的特异结果进行归类，SOM神经网络矩阵映射的准确率为80%以上
注意：调试和运行MATLAB7.1时，要清空遗留信息。
说明：不同归类序列中各分类代码取不间的数值。这不间的数值是由于SOM神经网络每次运行进行矩阵映射是独立进行的。表 1中是按第1列归类降序同步排序的。
3结语
通过分析发现：采用神经网络技术，对1 29种烟叶样品的nic~ts-rs-k-cl含景取值分布构建SOM神经网络进行矩阵映射实现自组织归类，具有较高的准确性和可常性，这方法可推广到一般情形：选择不同体系的不同参数组合数据，训练和检测SOM神经网络，能够实现对各种体系例如烟叶的多侧面的客观分类，为各种体系例如烟叶的质量评级，属性预测、缺陷诊断、状态预测和种类识别提供依据。
致谢：济南金宏利公司陈雷等工程师为本文提供了烟叶测试数据，作者对此表示衰
心的感谢。参考文献
[1]何术,SOM神经网络在树叶形状分类中
的应用[].电脑开发与应用，2004，02；13 2-136.
[2]陈伯成等.自组织映射神经网络(SOM)在
客户分类中的一种应用[]].系统工程理论与实戏，2004，24(03)
[3]阁瑞琼.韩力群，陈普东.计算机技术在
烟叶检测与分级领城的应用[J].烟草科技，2001，03.
Digital technology and appllcation
数字技术与应用
95