1. 毕业设计（论文）主要目标：
在实际生活中，确定葡萄酒质量时基本是通过聘请一批有资质的评酒员进行品评，但是由于主观误差，使得这种方法产生的结果有较大的差异性。由于葡萄酒理化指标与所酿葡萄酒的质量有直接的关系，所以葡萄酒理化指标的研究分析对葡萄酒质量的鉴别有很重要的意义。我们拟参考国内外的相关研究文献，学习和研究高维数据的分类方法，对葡萄酒数据根据其理化性质进行质量分级。 随着科学技术的发展，我们可以采用数据挖掘方法来进行葡萄酒评级。采用数据挖掘方法中的神经网络和支持向量机模型进行建模分析，分别建立训练集样本和测试集样本，做出预测并且进行两方法的优劣性对比，同时探索造成这种结果的原因。
2. 毕业设计（论文）主要内容：
本文中主要采用数据挖掘的神经网络和支持向量机对葡萄酒质量的鉴别做一个简单的分析与判断。首先进行数据的整理和描述性分析，来发现各变量的特征和规律。对11个葡萄酒理化指标变量作相关性分析，发现若干变量具有较强相关性，我们挑选出部分相关性较大的变量两点之间的散点图，进一步进行分析比较，分析造成这种相关性的原因以及采用何种解决的方法。之后再分别进行神经网络和支持向量机建模，在建立神经网络模型过程中，将葡萄酒质量等级分为低等、中等以及高等三类，观察各等级葡萄酒的训练集和测试集准确度变化。在支持向量机分类中，核函数是极为关键。我们可以通过计算相应的核函数间接的实现低维向高维空间的映射，从而克服维灾难问题。于是采用怎样的核函数和参数呢，并没有唯一确定的准则，在建立支持向量机模型的过程中，我们分别采用了RBF，多项式，Sigmoid,线性内核建立模型对比分析，通过反复的训练和测试，寻找此处建模最优的核函数。分析对比两种方法所得结果，发现支持向量机的分类更优。
3. 主要参考文献
[1]王文静.感官评价在葡萄酒研究中的应用[J].酿酒,2007,34(4):57-59.
[2]王金甲，尹涛，李静等.基于物理化学性质的葡萄酒质量的可视化评价研究[J].燕山大学学报,2010,34(2):133-137.
[3] Cortez P, Cerdeira A, Almeida F, et al.. Modeling wine preferences by data mining from physicochemical properties [J]. Decision Sup-port Systems, 2009,47 (4): 547-553.
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
