Advances in Applied Mathematics 应用数学进展, 2015, 4(4), 376-384
Published Online November 2015 in Hans. https://www.doczj.com/doc/1215922782.html,/journal/aam
https://www.doczj.com/doc/1215922782.html,/10.12677/aam.2015.44047
The Study on Evaluation System of Wine
Based on Data Mining
Sizhe Wang1, Zhigang Wang2*, Yong He2
1Automation Professional Class 1301, School of Information Science and Engineering, Central South University, Changsha Hunan
2College of Information Science and Technology, Hainan University, Haikou Hainan
Received: Nov. 8th, 2015; accepted: Nov. 23rd, 2015; published: Nov. 30th, 2015
Copyright ? 2015 by authors and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
https://www.doczj.com/doc/1215922782.html,/licenses/by/4.0/
Abstract
Based on Question A of Mathematical Contest in Modeling for college students in 2012, the empha-sis in this paper is mainly on the establishment of evaluation system of wine based on data mining technology. The wine quality is determined by the score of the wine tasting. We analyze the credi-bility of the liquor score by one-way ANOVA. We classify the wine grape by extracting common factors of some physical and chemical indicators from the wine grape, and by clustering the factor score and wine score. The stepwise regression model is established through the correlation be-tween the physical and chemical indicators and the physical and chemical indicators of wine grapes. By the regression model between the aroma substances and the score of the wine, the key physical and chemical indicators of wine quality will be found. In the end, some shortcomings of current rating system of wine will be pointed out.
Keywords
Evaluation System of the Wine, Data Mining Technology, One-Way ANOVA, Cluster Analysis,
Regression Analysis
基于数据挖掘技术的葡萄酒评价体系研究
王思哲1，王志刚2*，何勇2
1中南大学信息科学与工程学院自动化专业1301班，湖南长沙
2海南大学信息科学技术学院，海南海口
*通讯作者。
王思哲等
收稿日期：2015年11月8日；录用日期：2015年11月23日；发布日期：2015年11月30日
摘要
本文以2012年高教社杯全国大学生数学建模竞赛A题为例，利用数据挖掘技术建立葡萄酒评价体系。葡萄酒质量一般是通过聘请有资质的品酒员进行品尝评分，由于品酒员主观因素导致对酒样品的评分差异悬殊，我们通过方差分析对品酒员评分进行可信性研究；通过提取酿酒葡萄多个理化指标的公共因子，对因子得分和葡萄酒评分进行聚类，将酿酒葡萄进行分级研究；通过对葡萄酒理化指标和酿酒葡萄理化的数据进行相关性分析，利用逐步回归分析模型建立它们之间的依赖关系；利用葡萄酒芳香物质与葡萄酒评分之间的回归模型，找出决定葡萄酒质量的关键理化指标，最后指出现行葡萄酒评分体系的不足。
关键词
葡萄酒评价，数据挖掘技术，方差分析，聚类分析，回归分析
1. 引言
在当今大数据时代，从数据库的挖掘出隐含的、先前未知的并有潜在价值的信息显得十分重要，多元统计方法是数据挖掘技术的关键要素。多元统计分析是处理多维同体观测数据的数学方法，是数理统计学近几十年迅速发展的一个分支，计算机技术的发展为多元统计的方法应用提供了便利的计算工具。多元统计的内容十分丰富，主要包括判别分析、聚类分析、主成分分析、因子分析、回归分析预测方法、方差分析、典型相关分析、时间序列等[1]-[11]。多元统计方法在工业、农业、医学、气象、环境以及经济管理等诸多领域中有着十分广泛的应用。
本文以2012年高教社杯全国大学生数学建模竞赛A题为例，用多元统计序列方法建立葡萄酒评价体系。确定葡萄酒质量时一般是通过聘请一批有资质的品酒员进行品评，每个品酒员在对葡萄酒进行品尝后对其分类指标打分，然后求和得到其总分，从而确定葡萄酒的质量。酿酒葡萄的好坏与所酿葡萄酒质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。附件1(见竞赛试题中的附件，本文略，下同)给出了某一年份两组品酒员对两组红葡萄酒和白葡萄酒的评分结果，附件2和附件3分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据，包括各种理化指标和芳香物质指标数据。
由于品酒员主观因素导致对酒样品的评分差异，我们分别构造以品酒员和酒样品为组别数据序列进行方差分析，通过比较F统计量值评价两组品酒员是否有显著性差异，对品酒员评分进行可信性研究；通过对酿酒葡萄的多个理化指标进行筛选，提取公共因子，并计算因子得分，然后将这些因子得分和葡萄酒评分进行聚类分析，将酿酒葡萄进行分级研究；通过对葡萄酒理化指标和酿酒葡萄理化指标相关性分析，利用逐步回归模型建立它们之间的线性关系；通过葡萄酒理化指标与葡萄酒评分之间的回归模型，建立酿酒葡萄理化指标与葡萄酒质量之间关系，给出决定葡萄酒质量的关键理化指标。
2. 葡萄酒评分的可信性研究
考虑到品酒员之间可能存在个人评酒风格等主观差异因素，导致不同品酒员对同一葡萄酒的评分悬殊，影响葡萄酒质量鉴定，因此，必须对品酒员的评分主观因素进行检验。附件1给出了两组红葡萄酒
王思哲等
品酒员对27个酒样品的评价得分和两组白葡萄酒品酒员对28组酒样品的评价得分。
对于评酒得分的偏差性检验和影响因素的数据挖掘技术，可以通过方差分析来实现。方差分析主要是检验两组品酒员评价结果有无显著性差异，进而判断出哪组评价结果更为可信。评价得分之间的差异可以分为两个部分，一部分是由于各葡萄酒样品之间的差异，称为条件误差，另一部分是各品酒员评酒风格之间的差异，称为试验误差，我们主要目的是分析得分差异是由于葡萄酒样品之间差异，还是由于品酒员主观差异造成的。通过对两组红葡萄酒和两组白葡萄酒评价得分进行正态性检验可以看出都近似服从正态分布，我们分别构造以品酒员和酒样品为组别的数据序列进行方差分析(见表1)。
分析表1数据，基于品酒员和酒样品的显著性差异检验中，除第二组白葡萄酒酒样品差异不显著外，另七组的F统计量都大于基于显著性水平0.01的临界值，表明品酒员评酒风格和酒样品之间的差异都很显著。进一步比较F统计量数值大小，第一组红葡萄酒评分差异主要来源于酒样品之间的差异，第二组红葡萄酒评分差异主要来源于品酒员评分差异；白葡萄酒评分差异主要来源于品酒员评分差异，酒样品之间的差异不很显著。初步可以看出，对于红葡萄酒，第一组品酒员评分更为可信，两组白葡萄酒品酒员评分都不可信，品酒员间的差异过大将导致酒样质量差异的显著性被掩盖，结合实际分析，酒样评价中应尽可能缩小由于品酒员个人风格的原因而导致对同一酒样评价差异较大的情况，应尽可能将酒样之间质量的差异通过评价扩大，提高酒样的可识别度。为此，将原始数据进行处理，原始数据进行处理方法有很多，如标准化处理、聚类处理、收敛区间处理等，我们采用数据标准化处理，降低品酒员之间的主观差异性(见表2)。
Table 1. Wine score variance analysis based on the raw data
表1. 基于原始数据的葡萄酒评分方差分析表
差异源总平方和自由度均方差F统计量F临界值
第一组红葡萄酒品酒员3084.952 9 342.772 3.543 2.484 酒样品14,090.119 26 541.928 9.308 1.837
第二组红葡萄酒品酒员3228.681 9 358.742 9.999 2.484 酒样品4186.830 26 161.032 4.675 1.837
第一组白葡萄酒品酒员17,034.122 9 1892.68 26.830 2.481 酒样品6253.086 27 231.596 1.957 1.818
第二组白葡萄酒品酒员6714.442 9 746.049 19.910 2.481 酒样品2714.811 27 100.549 1.795 1.818
Table 2. Wine score variance analysis based on data standardization
表2.基于数据标准化处理的葡萄酒评分方差分析表
差异源总平方和自由度均方差F统计量F临界值
第一组红葡萄酒品酒员0 9 0 0 2.484 酒样品152.698 26 5.873 13.300 1.837
第二组红葡萄酒品酒员0 9 0 0 2.484 酒样品119.148 26 4.583 7.906 1.837
第一组白葡萄酒品酒员0.196 9 0.022 0.022 2.481 酒样品93.467 27 3.462 4.942 1.818
第二组白葡萄酒品酒员0.006 9 0.001 0.001 2.481 酒样品76.147 27 2.820 3.666 1.818
王思哲等
分析表2数据，对于四组品酒员评价数据序列，用于检验的F统计量值都接近于0，远低于基于显著性水平0.01的F临界值，四组酒样品数据序列的F统计量都大于基于显著性水平0.01的F临界值。从数据层面上分析，对于红葡萄酒，通过数据标准化将品酒员评分差异明显降低，造成葡萄酒评分差异的主要因素是酒样品之间的差异，第一组红葡萄酒样品之间的差异比第二组红葡萄酒之间的差异更为显著，由此，第一组红葡萄酒品酒员评分更为可信，与基于原始数据的评价结果一致。对于白葡萄酒，通过标准化数据处理后品酒员之间的差异明显降低，其中第二组品酒员之间的差异的F统计量为0.001，比第一组更接近0，第一组白葡萄酒样品之间的差异比第二组白葡萄酒之间的差异更为显著，综合可以看出对于白葡萄酒，第二组品酒员评价结果更为可信。
需要指出的是，通过标准化数据处理后，品酒员之间的差异很小，仅凭酒样品的F统计量大小，很难精确表明哪组品酒员评价结果更为可信，综合其它方法进行处理(如置信区间法等)会收到更好的效果。
3. 因子分析法对酿酒葡萄聚类研究
酿酒葡萄的好坏与所酿葡萄酒的质量有直接关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量，为了进一步研究酿酒葡萄的理化指标对葡萄酒质量的影响程度，需要建立它们之间的关系。附件2提供的酿酒葡萄的一级理化指标30种，经过初步筛选可知，固酸比指标值为可溶性固形物指标与可滴定酸指标之比，可以提出可溶性固形物指标和可滴定酸指标。附件2中存在异常值，例如酿酒葡萄理化指标中白葡萄百粒质量的第三次测量值为2226.1 g，与前两次检测值225.8 g和224.6 g相差很大，为了避免数据异常值对数据分析带来影响，用前两次平均值来代替异常值。由于每种指标数据数值大小和波动幅度不同，为了消除这一因素的影响，对28种理化指标进行标准化处理。
为了根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级研究，将第一部分得到的葡萄酒评分作为葡萄酒质量的标准，由于酿酒葡萄理化指标较多，全部考虑会比较繁琐，且不同指标之间不是独立的，彼此之间存在一定的相关关系，可以对原始变量进行浓缩，将原始变量的信息重叠部分综合成因子，利用几个综合变量来反应这些指标之间的关系。综合多元统计因子分析思想，将28种指标提取公共因子，并计算因子得分，然后将这些因子得分和葡萄酒评分进行聚类分析，将酿酒葡萄进行分级研究。
利用SPSS19.0求出各变量之间的相关系数矩阵，可以看出，几个变量之间存在强相关性，例如，蛋白质与DPPH自由基(相关系数0.748)，苹果酸与花色苷(0.633)，苹果酸与褐变度(0.644)，总酚与花色苷(0.728)，花色苷与单宁(0.688)等，考虑抽取共同因子，利用主成分分析法、考虑特征值大于或等于1的主成分作为初始因子，抽取8个共同因子。为了使抽取的因子作有效的解释，采用最大变异法对因子进行旋转，并计算因子得分作为变量储存，为下一步对酿酒葡萄进行聚类分析的作好准备。抽取的8个因子对方差的累计贡献率为83.035%，且前3个因子对方差的贡献率分别为18.446%，13.058%和11.097%，能够反应原始变量的大部分信息，效果较好。
由第一部分的分析，对于红葡萄酒，第一组品酒员的评价结果更为可信，利用第一组品酒员对红葡萄酒的评价得分作为对葡萄酒的聚类分级的依据，结合抽取的8个因子得分，利用SPSS19.0中的k-均值Q型聚类方法，如果要将葡萄酒分为4级，根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄的聚类结果(见表3)。
27种红酒酿酒葡萄样品有13种为优秀等级，有7种为良好等级，有1种为中等等级，有6种为差等级。
白葡萄酒的分析类似，将28种葡萄样品的28种理化指标进行因子分析，抽取公共因子，抽取的9个因子对方差的累计贡献率为80.63%，且前3个因子对方差的贡献率分别为18.770%，17.200%和11.701%，
王思哲等
Table 3. The classification table of red wine grape
表3. 红种酿酒葡萄等级分类表
样本编号 1 2 3 4 5 6 7 8 9
所属等级差良良优差优优差良
样本编号10 11 12 13 14 15 16 17 18
所属等级优中优优差差优良优
样本编号19 20 21 22 23 24 25 26 27
所属等级优优良优良优优差优
能够反应原始变量的大部分信息，并计算因子得分，考虑第二组评分更为可信，结合第二组品酒员的评价得分，进行聚类分级，得到白种酿酒葡萄的聚类结果(见表4)。
28种白种酿酒葡萄样品种有7种为优秀等级，有10种为良好等级，有10种为中等等级，有1种为差等级。
需要指出的是，聚类分析的基本思想是每个样本称为一类，计算类内样本间的距离，将最近的两个类聚为一类，然后再计算新类间的距离，并将最近的两个类聚为一类，如此循环。K均值聚类法最终的分类结果在某种程度上与初始分类有关，由于计算距离的方法很多，为了得到更为精确的分级结果，可以结合最短距离法、重心法、类平均法、可变类平均法、离差平均法等综合考虑。同时，由于酿酒葡萄理化指标较多，如果都作为分类依据计算距离会导致误差加大，抽取公共因子会损失部分信息，对最终的分级造成一定的影响。传统的K-means倾向于将离得近的点分在一类，但是对于子空间相交处，离得近的点并不是同一类的点，所以K-means这种仅仅基于距离的做法在原理上是不符合子空间聚类的，可以结合最新的研究成果，比如稀疏子空间聚类算法、谱多流形聚类算法等会收到好的效果[12] [13]。
4. 酿酒葡萄理化指标与葡萄酒理化指标之间的关系研究
酿酒葡萄的理化指标直接影响葡萄酒的理化指标，它们之间并不是相互影响而是一种因果关系，可以建立每个葡萄酒的理化指标与酿酒葡萄多个理化指标之间的联系来分析酿酒葡萄理化指标对葡萄酒理化指标的影响。考虑到酿酒葡萄理化指标(28种一级指标)和葡萄酒理化指标(红葡萄酒9种，白葡萄酒8种)都较多，且彼此之间存在一定的相关性，样本较少，选取过多的酿酒葡萄理化指标会产生较大的误差，且很难保证模型通过检验。利用多元统计逐步回归思想，通过计算酿酒葡萄的理化指标与葡萄酒的理化指标之间的Person相关系数对酿酒葡萄指标进行筛选，筛选出的酿酒葡萄理化指标与葡萄酒理化指标进行回归分析。表5列出部分红葡萄酒理化指标和酿酒葡萄理化指标相关系数，作为筛选指标的依据(见表5)。
利用SPSS19.0，采用逐步筛选法建立红葡萄酒理化指标和酿酒葡萄理化指标之间的关系，每个回归方程需通过拟合优度检验和回归系数的检验
酒花色苷指标花色苷苹果酸褐变度 (1)
=?+?+?
0.7130.1150.197
其中模型调整后的样本决定系数20.942
R=，模型检验的F统计量值为63.607，表6给出系数检验的t 统计量分别为7.067，1.213和1.926，模型检验通过，三个自变量的容忍度分别为0.457，0.520，0.447，作出残差序列的正态检验的P-P图，残差序列服从正态分布。能反映酒花色苷指标与酿酒葡萄理化指标之间的关系(见表6)。
模型的Durbin-Watson统计量的值为2.853，表明残差序列存在一定程度的负相关，一些与酒花色苷相关的某些酿酒葡萄理化指标没有引进回归方程来；进一步，表7给出了特征根法自变量共线性性诊断表，特征根0.303既能刻画自变量花色苷方差较大部分比例(0.68)，又能刻画自变量褐变度方差较大部分比例(0.80)，因此，这两个自变量存在一定的多重线性性(见表7)。
王思哲等Table 4. The classification table of white wine grape
表4. 白种酿酒葡萄等级分类表
样本编号 1 2 3 4 5 6 7 8 9 10 所属等级优中中良中良良优优中样本编号11 12 13 14 15 16 17 18 19 20 所属等级良中中良中优良良优优样本编号21 22 23 24 25 26 27 28
所属等级良优中中良中差良
Table 5. Correlation coefficient of the standard data of physical and chemical index between the red wine and the wine grape 表5. 基于数据标准化红葡萄酒与酿酒葡萄理化指标之间相关系数
花色苷0.923 0.720 0.774 0.709 0.671
总酚0.613 0.817 0.875 0.883 0.459 0.701
单宁0.661 0.718 0.743 0.701 0.315
DPPH自由基0.567 0.753 0.814 0.764 0.421 0.778 褐变度0.767 0.445 0.443
葡萄总黄酮0.684 0.815 0.823 0.567 0.813
Table 6. Regression coefficient table of Model 1
表6. 模型1回归系数表
Coefficients a,b
Model Unstandardized Coefficients Standardized Coefficients
t Sig.
Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 花色苷0.713 0.101 0.713 7.067 0.000 0.457 2.187 苹果酸0.115 0.095 0.115 1.213 0.237 0.520 1.925 褐变度0.197 0.10
2 0.197 1.926 0.066 0.447 2.240
a. Dependent Variable：花色苷，
b. Linear Regression through the Origin
Table 7. The total linear diagnosis table of independent variable of Model 1 characteristic root method
表7. 模型1特征根法自变量共线性性诊断表
Collinearity Diagnostics a,b
Model Dimension Eigenvalue Condition Index
Variance Proportions
花色苷苹果酸(g/L) 褐变度
1 1 2.315 1.000 0.07 0.07 0.07
2 0.381 2.464 0.25 0.92 0.14
3 0.303 2.763 0.68 0.01 0.80
a. Dependent Variable：花色苷；
b. Linear Regression through the Origin
王思哲 等
类似地可以建立其它红葡萄酒理化指标与酿酒葡萄理化指标之间的关系。
0.0870.3710.667DPPH 0.2050.5190.0500.101=
?+?+???+?+???酒单宁指标花色苷褐变度自由基果梗比氨基酸总量总酚蛋白质
(2)
其中20.844R =，模型检验的F 统计量值为21.810。
0.428 1.046DPPH 0.3130.3810.323=?+???+???酒总酚褐变度自由基果梗比氨基酸总量蛋白质 (3)
其中20.890R =，模型检验的F 统计量值为44.743。
0.2170.147DPPH 0.1740.747=?+???+?酒总黄酮褐变度自由基果梗比总酚 (4)
其中20.784R =，模型检验的F 统计量值为25.462。
0.6290.8000.885DPPH 1.2710.424=???+???+?酒白藜芦醇花色苷苹果酸自由基蛋白质酒石酸 (5)
其中20.689R =，模型检验的F 统计量值为12.927。
DPPH 0.3971.082DPPH 0.3870.4580.369=?+???+???酒半抑制体积褐变度自由基果梗比氨基酸总量
蛋白质
(6)
其中20.885R =，模型检验的F 统计量值为42.593。
()L 0.6040.3550.2340.184=??+?????酒色泽花色苷果皮颜色红绿黄酮醇酒石酸 (7)
其中20.862R =，模型检验的F 统计量值为43.197。
a 0.3690.5870.352=??+?+?酒色泽苹果酸还原糖酒石酸 (8)
其中20.562R =，模型检验的F 统计量值为12.534。
()b 5110.1570.712=??????酒色泽花色苷苹果酸果皮颜色红绿 (9)
其中20.608R =，模型检验的F 统计量值为14.961。
需要指出的是，上述建立的回归方程残差序列存在一定的自相关性，回归模型存在误差，为了得到更精确的回归方程，可以将残差序列用ARMA 模型自回归研究，提取自相关部分信息，也可以通过因子分析法抽取共同因子建立回归方程，但这时不能很好地直观地反应葡萄酒理化指标和酿酒葡萄理化指标之间的相关关系，不宜采用。
同样可以建立白葡萄酒理化指标与酿酒葡萄理化指标之间的关系式，限于篇幅，不再一一说明。
5. 酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响研究
由于葡萄酒理化指标与酿酒葡萄的理化指标之间存在高度的相关性，葡萄酒理化指标是影响葡萄酒质量的最直接因素，酿酒葡萄理化指标是通过葡萄酒理化指标间接影响葡萄酒质量的。因此，建立葡萄酒质量与葡萄酒理化指标之间的函数关系式，分析葡萄酒理化指标是否对葡萄酒质量有一定的影响。
从前面的分析我们知道，对于红葡萄酒，第一组品酒员的评价结果更为可信，我们采用第一组品酒员的得分作为红葡萄酒的质量评分，将数据标准化，利用SPSS19.0，采用逐步筛选法，删除系数不显著变量，建立葡萄酒质量与葡萄酒理化指标之间的函数关系。
0.504=?红葡萄酒得分白藜芦醇 (10)
其中模型的样本决定系数20.225R =，模型检验的F 统计量为8.846。从模型可以看出，红葡萄酒的理化指标不能很好地反应葡萄酒的质量，由于酿酒葡萄的理化指标与葡萄酒的理化指标之间的高度相关性，可以看出酿酒葡萄的理化指标对葡萄酒质量的影响程度与葡萄酒的理化指标对葡萄酒质量的影响程度基
王思哲 等
本一致。
通过查阅相关资料，葡萄酒的芳香物质对酿葡萄酒气味、口感等方面有很大的影响，可以通过酿酒葡萄或葡萄酒的芳香物质来评价葡萄酒的质量。在分析芳香物质对葡萄酒质量的影响时，我们将葡萄酒的评价指标分为外观分析、口感分析、香气分析和整体评价，芳香物质主要影响葡萄酒的香气和口感，根据附件的评价体系，香气分析和口感分析占比例为74%，因此利用葡萄酒的芳香物质来评价葡萄酒质量是可行的。考虑到葡萄酒的芳香物质众多，并且有的芳香物质之间存在相关关系，通过建立芳香物质之间的相关矩阵，筛选出评价葡萄酒质量的芳香物质，并将数据进行标准化处理，建立葡萄酒质量与芳香物质之间的函数关系。
0.479 2.2401.4520.1820.2383,7 3.1234-=???????+?+??红葡萄酒得分乙醇柠檬烯正十三烷辛酸甲酯
二甲基反式葵烯酸乙酯
(11)
模型的样本决定系数20.998R =，模型检验的F 统计量为561.264。系数能通过检验，表明红葡萄酒评分和芳香物质之间存在一定的关系，红葡萄酒的感官指标可以在一定程度上通过酿酒葡萄和芳香物质来评价。
白葡萄酒得分与芳香物质之间回归方程的样本决定系数都很低，且系数不能通过检验，表明白葡萄酒指标和芳香物质不能拟合葡萄酒的质量。主要原因除回归方法自身缺陷外，葡萄酒的质量评分存在一定的主观性和经验性，评分的高低不一定能反应葡萄酒质量的好坏。同时表明白葡萄酒评分制度的不完善，或者白葡萄酒评分员的评分精度没有红葡萄酒高，需要建立更加完善的白葡萄酒评分体系，提高白葡萄酒品酒员的品酒水平。主要原因是在葡萄酒市场中，红葡萄酒占有份额为95%，品酒员评分经验都占有绝对优势，随着白葡萄酒市场份额的增加和白葡萄酒品酒员素质的提高，相信在不久的将来，白葡萄酒评分会更加真实和可信，能更好地反应与葡萄酒芳香物质的关系。
6. 结论
本文的主要工作是利用数据挖掘技术建立葡萄酒评价体系。通过方差分析对品酒员评分进行可信性研究，消除因品酒员主观因素对酒质量造成的影响；通过提取酿酒葡萄多个理化指标的公共因子，对因子得分和葡萄酒评分进行聚类，将酿酒葡萄进行分级研究；通过对葡萄酒理化指标和酿酒葡萄理化指标相关性分析，利用逐步回归模型建立它们之间的依赖关系；利用葡萄酒芳香物质与葡萄酒评分之间的回归模型，找出决定葡萄酒质量的关键理化指标，同时指出现行葡萄酒评分体系的不足并提出改进方案。
基金项目
海南省自然科学基金项目(20151002)、海南省中西部高校提升综合实力工作资金项目和海南大学教育教学改革研究项目(hdjy1639)资助。
参考文献 (References)
[1] 吴孟达, 成礼智, 等. 数学建模教程[M]. 北京: 高等教育出版社, 2008. [2] 陈光亭, 裘哲勇, 主编. 数学建模[M]. 北京: 高等教育出版社, 2010. [3] 杨小平. 统计方法与SPSS 应用教程[M]. 北京: 清华大学出版社, 2008. [4] 姜启源, 谢金星, 叶俊. 数学模型[M]. 北京: 高等教育出版社, 2003. [5] 高新波. 模糊聚类分析及其应用[M]. 西安: 西安电子科技大学出版社, 2004. [6] 朱道元, 吴诚鸥, 秦伟良. 多元统计与软件SAS[M]. 南京: 东南大学出版社, 2003. [7] 汪晓银, 邹庭荣. 数学软件与数学实验[M]. 北京: 科学出版社, 2008.
王思哲等
[8]王志刚. 应用随机过程[M]. 合肥: 中国科学技术大学出版社, 2009.
[9]欧宜贵. 数学实验[M]. 合肥: 中国科学技术大学出版社, 2012.
[10]潘伟, 王志刚. 概率论与数理统计[M]. 北京: 高等教育出版社, 2010.
[11]符一平, 王志刚. 基于ARCH模型对上证综指的实证研究[J]. 应用数学进展, 2015, 4(2): 124-128.
[12]Tang, K.W., Liu, R.S., Su, Z.X. and Zhang, J. (2014) Structure-Constrained Low-Rank Representation. IEEE Transac-
tions on Neural Networks and Learning Systems, 25, 2167-2179.https://www.doczj.com/doc/1215922782.html,/10.1109/TNNLS.2014.2306063
[13]Elhamifar, E. and Vidal, R. (2013) Sparse Subspace Clustering: Algorithm, Theory, and Applications. IEEE Transac-
tions on Pattern Analysis and Machine Intelligence, 35, 2765-2781.https://www.doczj.com/doc/1215922782.html,/10.1109/TPAMI.2013.57
质量评价指标体系 华北水利水电大学图书馆查新质量评价指标体系 一、查新质量评价指标 《科技查新规范》对查新工作质量提出了明确的要求。查新工作质量可以通过以下“查新质量评价指标体系”进行评价。该指标体系是根据查新程序和工作内容而建立的，对查新人员自我评价查新质量和主管部门监督检查有一定的指导和参考作用。评价指标见下图： 查新质量评价指标体系图 从查新质量评价指标体系可以看出查新质量主要表现在文献检索质量和查新报告质量两方面。 二、文献检索质量
文献检索质量是整个查新质量的基础，检索质量的好坏直接影响到查新报告结论的准确性，即直接影响到查新报告的质量。检索质量可以从检索的全面性和准确性两个方面进行评价。 (一）检索全面性 “查全”与“查准”是用于判定情报检索系统检索性能的两个标准。查新检索是对项目内容新颖性的检索，具有较高的查全要求，需要相当数量的文献，在查全的基础上追求查准率。检索的全面性主要受查新点分析、检索标识、检索范围、检索年限、检索途径、检索策略、检索结果的检验与调整等因素的影响。 1．查新点分析 查新点分析是指查新人员在对查新项目内容全面了解的基础上，根据查新委托人对查新项目的科学技术要点等新颖性的查询要求和管理部门的查新规定，将需要查新的内容（一般为多主题）用一条条查新要点（单主题）清楚地表示出来，即分解开来，以便于找准查新点，选择相关文献，并进行比较，最终得出针对性强的公正、客观结论。该指标反映了查新人员对查新项目的实质内容的掌握程度，是检索的前提，是对比分析与论述的依据，是查新质量一个较为重要的影响因素。要求全面准确地理解查新内容，找准查新点。 2．检索标识 如果说“查新点分析”是概念分析整理的过程，那么检索标识的确定便是概念的转换。检索标识是指通过对查新项目的主题分析将自然语言转换成规范化语言，即确定检索入口的问题，包括分类号标
中国葡萄酒十大品牌排行榜 从品牌监测情况来看，中国葡萄酒市场集中度较高，葡萄酒市场前十品牌市场占有率达到60%左右。张裕、长城和王朝成为最热销的三大品牌，通过对全国大型零售企业的市场销售数据监测，2015年中国葡萄酒十大品牌排名如下： 注：各品牌市场占有率主要通过对国内大型零售企业月度年度销售数据及市场覆盖率汇总得出，不表示该品牌通过其他营销方式及其他渠道的销售数据。 数据来源：中商产业研究院数据库 中商产业研究院发布的《2017-2022年中国葡萄酒行业市场调查及投资前景研究报告》指出，2015年，我国葡萄酒行业市场份额排名前十品牌分别为：张裕、长城、王朝、拉菲、卡斯特、威龙、奔富、白洋河、华夏、杰卡斯。从品牌监测情况来看，张裕、长城和王朝为最热销的三大品牌，葡萄酒市场前十品牌市场占有率达60%左右，市场集中度较高。 1、张裕 烟台张裕集团有限公司其前身为烟台张裕酿酒公司，他是由中国近代爱国侨领张弼士先生创办的中国第一个工业化生产葡萄酒的厂家。1892年，张弼士投资300万两白银在烟台创办张裕酿酒公司。张裕公司的创建，被北京中华世纪坛记载为中国1892年所发生的四件大事之一。至今，它已发展成为多元化并举的集团化企业，是目前中国乃至亚洲最大的葡萄酒生产经营厂家。 2、长城
中粮集团有限公司是世界500强企业，也是中国领先的农产品、食品领域多元化产品和服务供应商，致力于打造从田间到餐桌的全产业链粮油食品企业，建设全服务链的城市综合体。中粮下属品牌有农产品、食品及地产酒店等领域。 3、王朝 中法合营王朝葡萄酿酒有限公司始建于1980年，是中国第二家、天津市第一家中外合资企业，合资的外方为法国人头马亚太有限公司和香港国际贸易与技术研究社，中外各方投资总额为万元人民币，当年产量为10万瓶。 4、拉菲 在世界上各国各地，各门各派的酒王中，最出名的酒王应算是法国波尔多菩依乐村的拉菲庄了。拉菲庄是由一名姓拉菲的贵族创园于1354年，在十四世纪已相当有名气。拉菲是目前世界上最贵一瓶葡萄酒的纪录保持者。 5、卡斯特 法国卡斯特兄弟股份有限公司于1949年由卡斯特家族的9个兄弟姐妹创立于法国波尔多。经过六十多年的发展，这个以创始人姓氏命名的家族企业，已经发展成为名列前茅的国际知名大集团。该公司起初是一家葡萄酒贸易商，从上世纪五六十年代起逐渐发展，建立了灌装工厂，二十世纪七八十年代开始收购葡萄园。 6、威龙 威龙葡萄酒股份有限公司位于山东省龙口市，拥有员工1500余名，占地面积30万平方米，资产亿元，配备有国外全自动灌装生产线、酒石处理系统、真空过滤机等先进设
数据挖掘研究现状及发展趋势摘要：从数据挖掘的定义出发，介绍了数据挖掘的神经网络法、决策树法、遗传算法、粗糙集法、模糊集法和关联规则法等概念及其各自的优缺点；详细总结了国内外数据挖掘的研究现状及研究热点，指出了数据挖掘的发展趋势。 关键词：数据挖掘；挖掘算法；神经网络；决策树；粗糙集；模糊集；研究现状；发展趋势 Abstract：From the definition of data mining，the paper introduced concepts and advantages and disadvantages of neural network algorithm，decision tree algorithm，genetic algorithm，rough set method，fuzzy set method and association rule method of data mining，summarized domestic and international research situation and focus of data mining in details，and pointed out the development trend of data mining. Key words：data mining，algorithm of data mining，neural network，decision tree，rough set，fuzzy set，research situation，development tendency 1引言 随着信息技术的迅猛发展，许多行业如商业、企业、科研机构和政府部门等都积累了海量的、不同形式存储的数据资料[1]。这些海量数据中往往隐含着各种各样有用的信息，仅仅依靠数据库的查询检索机制和统计学方法很难获得这些信息，迫切需要能自动地、智能地将待处理的数据转化为有价值的信息，从而达到为决策服务的目的。在这种情况下，一个新的技术———数据挖掘(Data Mining，DM)技术应运而生[2]。 数据挖掘是一个多学科领域，它融合了数据库技术、人工智能、机器学习、统计学、知识工程、信息检索等最新技术的研究成果，其应用非常广泛。只要是有分析价值的数据库，都可以利用数据挖掘工具来挖掘有用的信息。数据挖掘典型的应用领域包括市场、工业生产、金融、医学、科学研究、工程诊断等。本文主要介绍数据挖掘的主要算法及其各自的优缺点，并对国内外的研究现状及研究热点进行了详细的总结，最后指出其发展趋势及问题所在。 江西理工大学
浅谈数据挖掘技术及其应用 數据挖掘就是从海量数据中提取潜在有趣模式的过程。数据挖掘技术现已广泛应用于零售业、金融业、电信、网络安全分析、农业、医疗卫生等领域，研究十分广泛。 标签：海量数据；数据挖掘；应用研究 一、数据挖掘概念 数据挖掘比较公认的定义是由U.M.Fayyad等人提出的：数据挖掘就是从海量数据中提取潜在有趣模式的过程[1]。还有一些术语，具有和数据挖掘类似但稍有不同的含义，如数据库中知识挖掘、知识提取、数据/模式分析、数据考古等。数据挖掘技术最初是面向应用层面的，不光可以实现检索和统计专门数据库的操作，还能够在大量的数据集中实现小型、中型乃至大型系统的分析、归纳、推理等工作。 二、数据挖掘的基本任务 数据挖掘的目的就是发现有用的知识（即概念、规则和模式）。数据挖掘的基本任务主要有以下几个方面： （1）分类与预测。 分类属于有监督的学习，在构建分类模型之前，在数据源中选取训练集数据并作分类标记，然后运用分类模型对训练集数据进行分类，实在是按照样本属性相近的划入一类，最后将完成训练的分类模型应用到在未知类别的数据集中，获得相应的分类。预测是依据历史数据和现有的数据建立两种或两种以上变量间相互依赖的函数模型，然后进行预测或控制。 （2）聚类分析。 聚类分析是在识别数据的内在规则后，将数据分成相似数据对象组，从而获得数据的分布规律，划分的原则是不同组间距离尽可能大，组内距离尽可能小。聚类分析进一步是打算从一组杂乱的数据中发掘隐藏其中的分类规则。聚类分析与分类模式模型不同，分类模式是使用有标记样本构成的训练集的一种有监督学习方法，则聚类模型是使用在无标记的数据上的一种无监督学习方法。近年来，聚类分析在图像处理、商业分析、模式识别等有广泛应用。 （3）关联规则。 关联分析是通过对数据集中数据之间隐藏的相互关系的分析，揭露了具有相同类别的数据之间未知的关系。关联分析就是将给定一组项集和一个记录集合，
要回答这个问题是很复杂的，一般要长篇大论一番才可能说清楚。简单点说是没有正规的分级制度。但有质量保证体系。 讨论稿中等级制的标准大致参照法国的分级标准（AOC、VDP、VDT），即特优级、优质级、佐餐级三大等级。通过酿酒葡萄品种、酿酒葡萄产量、葡萄含糖量、葡萄酒陈酿期、理化指标、感官鉴定6项指标，对葡萄酒质量进行综合评价并分级。 近年来，我国葡萄酒业有了长足的进步，葡萄酒的产量在2008年已达到69.83万千升，工业总产值达191.68亿元。葡萄酒产品的种类日益丰富，产品质量也有了很大的提升。在东部地区和中西部的大中型城市，饮用葡萄酒已经成为一种时尚。葡萄酒等级制 对于葡萄酒产品的质量管理，许多从事葡萄栽培和葡萄酿酒工作的专家学者，都提出要求制定《中国葡萄酒质量等级管理办法》，推行产品分级管理制。 中国葡萄酒质量等级制度多年前就已经提上日程。1999年，郭其昌和郭松泉在中国酿酒工业协会主办的北戴河年会上提出了要建立中国的葡萄酒质量等级制度，并草拟了《中国葡萄酒质量分级管理（讨论稿）》。 其后，在2000年的烟台年会、2001年的合肥年会以及2004年的蓬莱年会，中国酿酒工业协会前后三次组织了会议对该《草案》进行讨论修改。 此讨论稿包括以往讨论过的质量分级内容、分级认定原则、认定顺序、监督管理等。 讨论稿中等级制的标准大致参照法国的分级标准（AOC、VDP、VDT），即特优级、优质级、佐餐级三大等级。通过酿酒葡萄品种、酿酒葡萄产量、葡萄含糖量、葡萄酒陈酿期、理化指标、感官鉴定6项指标，对葡萄酒质量进行综合评价并分级。 2005年，时任中国酿酒工业协会葡萄酒分会主任的高美书表示，在中国酿酒工业协会2004年8月的蓬莱会议上，已经完成了《葡萄酒等级制》的最后修订。并于当年10月，将《葡萄酒等级制》（送审稿）上报国家质检总局。
基于数据挖掘的葡萄酒质量识别 我们知道，传统的葡萄酒鉴别靠感觉器官的品尝来判断其质量的好坏，这就必须要求品尝者是训练有素的品酒专家。但感官品尝结果容易受各种因素的影响。随着科学技术的发展，葡萄酒质量品鉴成了一项可以替代性的工作，不在局限于酿酒工作者的工作才能完成。因此，将数据挖掘方法用于葡萄酒评级早已被各国所采用。下面主要基于数据挖掘的分类和回归方法对葡萄酒质量的鉴别做一个简单的分析与判断。 1.数据挖掘理论方法论述 1.1主成分回归 在数据处理中，经常会遇到高维数据组，由于数据维数高，变量多，而且变量间往往存在相关关系，因此很难抓住他们的相关关系信息。在实际问题中，研究多变量问题是经常遇到的，再加上变量指标之间有一定的相关性，这势必增加了问题的复杂性，主成分分析就是设法将原来指标重新组合成一组新的互相无关的较少的综合指标来代替原来的指标，同时根据实际需要从中可取几个较少的综合指标尽可能多的反映原来指标的信息。这种将多个变量化为少数互相无关的综合指标的统计方法称为主成分分析。 主成分分析就是设法将原来众多具有一定相关性的变量重新组合成一组新的相互无关的综合指标来代替，通常数学上的处理就是将原来p 个变量作线性组合，作为新的综合指标，但是这种线性组合，需要加以限制。假设第一个综合指标记为1F ，自然希望1F 尽可能多的反映原来指标的信息，这里最经典的方法是用1F 的方差来表达，即)(1F Var 越大，表示1F 包含
的信息越。因此所有线性组合中所选取的1F 应该是方差最大的，故将1F 称为第一主成分，如果1F 不足以代表原来p 个指标的信息，在满足 0),(21=F F Cov 的条件下，再考虑选取2F 作为第二个主成分，同理可以构造 第三，四，.....,第p 个主成分。 要求： （1）;1 ...2 2221=+++pi i i a a a （2）不相关与)(j i F F j i ≠ 求得X 的主成分为协房阵∑的特征向量为系数的线性组合。得到主成分，提取所需要的前几个主要成分后，回归的过程与线性回归是一致的。只是自变量变成了选取的主成分，因变量不变。 1.2 分类回归树 1.2.1分类回归树的构建 分类回归树的构建是通过学习给定的训练样本，寻找最佳的分支规则。分类回归树的分支规则是根据不纯度作为评估度量来实现的，以寻找最佳的分支规则。最常用的不纯度函数为基尼指数，其定义为 其中)(t i P 是指t 中第i 类的频率，也就是说当基尼指数越小时，意味着该节点所包含的样本集越集中，该节点越纯。 树的构建大致可以这样表述为：所有的样本都属于树的根节点t ，寻找第一个节点的分支规则时，从第一个自变量开始，记录样本数据该变量的每个取值作为分支阈值时不纯度的下降值，直到所有变量的每个取值作为分支阈值的不纯度下降值记录完毕，选择不纯度下降值最大的自变量和分叉阈值作为树根节点的分支变量和分支阈值。如此往复生成一颗最大的
数据挖掘毕业论文 ---------数据挖掘技术及其应用 摘要：随着网络、数据库技术的迅速发展以及数据库管理系统的广泛应用，人们积累的数据越来越多。数据挖掘(Data Mining)就是从大量的实际应用数据中提取隐含信息和知识，它利用了数据库、人工智能和数理统计等多方面的技术，是一类深层次的数据分析方法。本文介绍了数据库技术的现状、效据挖掘的方法以及它在Bayesian网建网技术中的应用：通过散据挖掘解决Bayesian网络建模过程中所遇到的具体问题，即如何从太规模效据库中寻找各变量之间的关系以及如何确定条件概率问题。 关键字：数据挖掘、知识获取、数据库、函数依赖、条件概率 一、引言： 数据是知识的源泉。但是,拥有大量的数据与拥有许多有用的知识完全是两回事。过去几年中,从数据库中发现知识这一领域发展的很快。广阔的市场和研究利益促使这一领域的飞速发展。计算机技术和数据收集技术的进步使人们可以从更加广泛的范围和几年前不可想象的速度收集和存储信息。收集数据是为了得到信息,然而大量的数据本身并不意味信息。尽管现代的数据库技术使我们很容易存储大量的数据流,但现在还没有一种成熟的技术帮助我们分析、理解并使数据以可理解的信息表示出来。在过去,我们常用的知识获取方法是由知识工程师把专家经验知识经过分析、筛选、比较、综合、再提取出知识和规则。然而,由于知识工程师所拥有知识的有局限性,所以对于获得知识的可信度就应该打个 折扣。目前,传统的知识获取技术面对巨型数据仓库无能为力,数据挖掘技术就应运而生。 数据的迅速增加与数据分析方法的滞后之间的矛盾越来越突出,人们希望在对已有的大量数据分析的基础上进行科学研究、商业决策或者企业管理,但是目前所拥有的数据分析工具很难对数据进行深层次的处理,使得人们只能望“数”兴叹。数据挖掘正是为了解决传统分析方法的不足,并针对大规模数据的分析处理而出现的。数据挖掘通过在大量数据的基础上对各种学习算法的训练,得到数据对象间的关系模式,这些模式反映了数据的内在特性,是对数据包含信息的更高层次的抽象[1]。目前,在需要处理大数据量的科研领域中,数据挖掘受到越来越多
葡萄酒评价指标 区分好坏葡萄酒没有具体的绝对的量化标准，目前权威的葡萄酒评分系统主要是美国著名的葡萄酒评论家罗伯特·帕克，帕克推崇的是葡萄酒100分制评分体系；以及大家俗称的3W1D也是世界葡萄酒评分系统中的权威。 帕克的100分制给葡萄酒的打分范围是50-100，基于以下四个因素：外观，香气，风味，总体质量或潜力。帕克将葡萄酒分成四个档次(从50-100分)，具体的打分体系如下： 96-100 Extraordinary 经典：顶级葡萄酒。 90-95 Outstanding 优秀：具有高级品味特征和口感的葡萄酒。 80-89 Above average 优良：口感纯正、制作优良的葡萄酒。 70-79 Average 一般：略有瑕疵，但口感无尚大碍的葡萄酒。 60-69 Below average 低于一般：不值得推荐 50-59 Unacceptable 次品 一般帕克的评分系统会给每一款酒一个基础的分数（50分）。在50分的基础上，按酒的质量特点加分。 酒的颜色和外观值5分，好的葡萄酒的外观应该澄亮透明（深颜色的酒可以不透明），有光泽，其颜色与酒的名称相符，色泽自然、悦目。 然后，酒香值15分，取决于香气的浓度、复杂度和纯粹感，香气应该是葡萄的果香（比如赤霞珠的黑醋栗香气、黑比诺的樱桃香气、霞多丽的热带水果香气）、发酵的酒香、陈酿的醇香（橡木桶陈酿及瓶内陈酿组成的香气，主要包括花香、果香、辛香料香、动物香、矿物香、动物香、焙烤香等香气类型），这些香气应该平衡、协调、融为一体，香气幽雅，令人愉快； 酒的口感和后味值20分，好的葡萄酒其口感应该是舒畅愉悦的，各种香味应细腻、柔和，酒体丰满完整，有层次感和结构感，果味、单宁、酒精、酸度、甘油、糖分均衡，余味绵长；最后，酒的总体质量水平或者演化进步的潜力，也就是说陈化的潜力，值10分。 3W指WA、WS、WE WA是《葡萄酒倡导家》杂志Wine Advocate journal 即罗伯特·帕克的评分 WS是《葡萄酒观察家》Wine Spectator magazine杂志，该杂志同样为美国最具影响力的杂志之一，同样倡导百分制，基本思路与帕克类似，但《葡萄酒观察家》拥有众多的优秀评酒师，通过蒙瓶试酒，多方面综合结果，所以评分相对较中立。 分数解释 96-100 经典的，绝佳的
首页干货教程大数据动向大数据应用数据可视化数据分析 “如何分辨出垃圾邮件”、“如何判断一笔交易是否属于欺诈”、“如何判断红酒的品质和档次”、“扫描王是如何做到文字识别的”、“如何判断佚名的著作是否出自某位名家之手”、“如何判断一个细胞是否属于肿瘤细胞”等等，这些问题似乎都很专业，都不太好回答。但是，如果了解一点点数据挖掘（Data Mining）的知识，你，或许会有柳暗花明的感觉。的确，数据挖掘无处不在。它和生活密不可分，就像空气一样，弥漫在你的周围。但是，很多时候，你并不能意识到它。因此，它是陌生的，也是熟悉的。本文，主要想简单介绍下数据挖掘中的算法，以及它包含的类型。然后，通过现实中触手可及的、活生生的案例，去诠释它的真实存在。一、数据挖掘的算法类型一般来说，数据挖掘的算法包含四种类型，即分类、预测、聚类、关联。前两种属于有监督学习，后两种属于无监督学习，属于描述性的模式识别和发现。（一）有监督学习有监督的学习，即存在目标变量，需要探索特征变量和目标变量之间的关系，在目标变量的监督下学习和优化算法。例如，信用评分模型就是典型的有监督学习，目标变量为“是否违约”。算法的目的在于研究特征变量（人口统计、资产属性等）和目标变量之间的关系。（1）
分类算法分类算法和预测算法的最大区别在于，前者的目标变量是分类离散型（例如，是否逾期、是否肿瘤细胞、是否垃圾邮件等），后者的目标变量是连续型。一般而言，具体的分类算法包括，逻辑回归、决策树、KNN、贝叶斯判别、SVM、随机森林、神经网络等。（2）预测算法预测类算法，其目标变量一般是连续型变量。常见的算法，包括线性回归、回归树、神经网络、SVM等。（二）无监督学习无监督学习，即不存在目标变量，基于数据本身，去识别变量之间内在的模式和特征。例如关联分析，通过数据发现项目A和项目B之间的关联性。例如聚类分析，通过距离，将所有样本划分为几个稳定可区分的群体。这些都是在没有目标变量监督下的模式识别和分析。（1）聚类分析聚类的目的就是实现对样本的细分，使得同组内的样本特征较为相似，不同组的样本特征差异较大。常见的聚类算法包括kmeans、系谱聚类、密度聚类等。（2）关联分析关联分析的目的在于，找出项目（item）之间内在的联系。常常是指购物篮分析，即消费者常常会同时购买哪些产品（例如游泳裤、防晒霜），从而有助于商家的捆绑销售。二、基于数据挖掘的案例和应用上文所提到的四种算法类型（分类、预测、聚类、关联），是比较传统和常见的。还有其他一些比较有趣的算法分类和应用场景，例如协同过滤、异常值分析、社会网络、文本分析等。下面，想针对不同的算法
作者简介：韩少锋，男，１９８０年生，中北大学在读硕士研究生。研究方向：人工智能技术。 引言 “人类正被信息淹没，却饥渴于知识．”这是１９８２年 趋势大师ＪｏｈｎＮａｉｓｂｉｔｔ的首部著作《大趋势》（Ｍｅｇａ－ｔｒｅｎｄｓ）中提到的。 随着数据库技术的迅速发展，如何从含有海量信息的数据库中提取更有价值、更直观的信息和知识？人们结合统计学﹑数据库﹑机器学习﹑神经网络﹑模式识别﹑模糊数学﹑粗糙集理论等技术，提出‘数据挖掘’这一新的数据处理技术来解决这一难题。数据挖掘（ＤａｔａＭｉｎｉｎｇ）就是从大量的﹑不完全的﹑有噪声的﹑模糊的﹑随机的数据中，提取隐含在其中的﹑人们事先不知道的﹑但又是潜在的有用的信息和知识的过程。这些数据可以是：结构化的，半结构化的，分布在网络上的异构性数据。数据挖掘在许多领域得到了成功的应用，使数据库技术进入了一个更高级的发展阶段，很多专题会议也把数据挖掘和知识发现列为议题之一。 １数据挖掘技术概述 １．１数据挖掘的概念 数据挖掘的概念有多种描述，最常见的有两种：（１）Ｇ．ＰｉａｔｅｔｓｋｙＳｈａｐｉｏｒ，Ｗ．Ｊ．Ｆｒａｗｌｅｙ数据挖掘定义为：从数据库的大量数据中揭示出隐含的、先进而未知的、潜在有用信息的频繁过程。（２）数据挖掘的广义观点：数据挖掘是从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘有趣知识的过程。数据挖掘的特点有：１）用户需要借助数据挖掘技术从大量的信息中找到感兴趣的信息；２）处理的数据量巨大；３）要求对数据的变化做出及时的响应；４）数据挖掘既要发现潜在的规则，也要管理和维护规则，规则的改变随着新数据的不断更新而更新；５）数据挖掘规则的发现基于统计规律，发现的规则不必适用于全部的数据。 数据挖掘要面对的是巨大的信息来源；通过数据挖 掘，有价值的知识、规则或高层次的信息就能从数据库的相关数据集合中抽取出来，并从不同角度显示，从而使大型数据库作为一个丰富可靠的资源为知识归纳服务。 １．２数据挖掘的简史 从数据库中知识发现（ＫＤＤ）一词首先出现在１９８９ 年举行的第十一届国际联合人工智能学术会议上。目前为止，由美国人工智能协会主办的ＫＤＤ国际研讨会已经召开了８次，规模由原来的专题讨论会发展到国际学术大会，研究重点也从发现方法转向系统应用。１９９９年，亚太地区在北京召开的第三届ＰＡＫＤＤ会议收到１５８篇论文，研讨空前热烈。 目前，数据挖掘技术在零售业的购物篮分析﹑金融风险预测﹑产品质量分析﹑通讯及医疗服务﹑基因工程研究等许多领域得到了成功的应用。 １．３数据挖掘的对象 数据挖掘的对象包含大量数据信息的各种类型数 据库。如关系数据库，面向对象数据库等，文本数据数据源，多媒体数据库，空间数据库，时态数据库，以及 Ｉｎｔｅｒｎｅｔ等类型数据或信息集均可作为数据挖掘的对 象。 １．４数据挖掘的工具 许多软件公司和研究机构，根据商业的实际需要 开发出许多数据挖掘工具。例如：有多种数据操控和转换特点的ＳＡＳＥｎｔｅｒｐｒｉｓｅＭｉｎｅｒ；采用决策树、神经网络和聚类技术综合的数据挖掘工具集－ＩＢＭＩｎｔｅｒｌｌｉｇｅｎｔＭｉｎｅｒ；可以提供多种统计分析、 决策树和回归方法，在Ｔｅｒａｄａｔａ数据库管理系统上原地挖掘的Ｔｅｒａｄａｔａ ＷａｒｅｈｏｕｓｅＭｉｎｅｒ；以及同时具有数据管理和数据概括能力，能够用于多种商业平台的ＳＰＳＳＣｌｅｍｅｎｔｉｎｅ。以上 主流数据挖掘工具都能提供常用的挖掘过程和挖掘模 数据挖掘技术及应用综述 韩少锋 陈立潮 （中北大学计算机科学与技术系 山西 太原 ０３００５１） 【摘要】介绍了数据挖掘技术的背景、概念、流程、数据挖掘算法，并阐述了数据挖掘技术的应用现状。 【关键词】数据挖掘 知识发现 人工智能 数据仓库 【中图分类号】ＴＰ３１１．１３８ 【文献标识码】Ｂ 【文章编号】１００３－７７３Ｘ（２００６）０２－００２３－０２ 第２期（总第８９期）机械管理开发 ２００６年４月Ｎｏ．２（ＳＵＭＮｏ．８９）ＭＥＣＨＡＮＩＣＡＬＭＡＮＡＧＥＭＥＮＴＡＮＤＤＥＶＥＬＯＰＭＥＮＴ Ａｐｒ．２００６ ２３??
１ 数据挖掘的起源 ２数据挖掘的定义 ３数据挖掘的过程 ３．１目标定义阶段 ３．２数据准备阶段 ３．３数据挖掘阶段 ３．４结果解释和评估阶段 面对信息社会中数据和数据库的爆炸式增长，人们分析数据和从中提取有用信息的能力，远远不能满足实际需要。但目前所能做到的只是对数据库中已有的数据进行存储、查询、统计等功能，但它却无法发现这些数据中存在的关系和规则，更不能根据现有的数据预测未来的发展趋势。这种现象产生的主要原因就是缺乏挖掘数据背后隐藏的知识的有力手段，从而导致“数据爆炸但知识贫乏”的现象。数据挖掘就是为迎合这种要求而产生并迅速发展起来的，可用于开发信息资源的一种新的数据处理技术。数据挖掘（ＤａｔａＭｉｎｉｎｇ），又称数据库中的知识发现（ＫｎｏｗｌｅｄｇｅＤｉｓｃｏｖｅｒｙｉｎＤａｔａｂａｓｅ，简称ＫＤＤ），比较公认的定义是由Ｕ．Ｍ．Ｆａｙｙａｄ等人提出的：数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据集中，提取隐含在其中的、人们事先不知道的、但又是潜在的有用的信息和知识的过程，提取的知识表示为概念（Ｃｏｎｃｅｐｔｓ）、规则（Ｒｕｌｅｓ）、规律（Ｒｅｇｕｌａｒｉｔｉｅｓ）、模式（Ｐａｔｔｅｒｎｓ）等形式。数据挖掘是一种决策支持过程，分析各组织原有的数据，做出归纳的推理，从中挖掘出潜在的模式，为管理人员决策提供支持。ＫＤＤ的整个过程包括在指定的数据库中用数据挖掘算法提取模型，以及围绕数据挖掘所进行的预处理和结果表达等一系列的步骤，是一个需要经过反复的多次处理的过程。整个知识发现过程是由若干挖掘步骤组成的，而数据 挖掘仅是其中的一个主要步骤。整个知识发现的主要步骤有以下几点。要求定义出明确的数据挖掘目标。目标定义是否适度将影响到数据挖掘的成败，因此往往需要具有数据挖掘经验的技术人员和具有应用领域知识的专家以及最终用户紧密协作，一方面明确实际工作中对数据挖掘的要求，另一方面通过对各种学习算法的对比进而确定可用的算法。数据准备在整个数据挖掘过程中占的比例最大，通常达到６０％左右。这个阶段又可以进一步划分成三个子步骤：数据选择（ＤａｔａＳｅｌｅｃｔｉｏｎ），数据预处理（ＤａｔａＰｒｏｃｅｓｓｉｎｇ）和数据变换（ＤａｔａＴｒａｎｓｆｏｒｍａｔｉｏｎ）。数据选择主要指从已存在的数据库或数据仓库中提取相关数据，形成目标数据（ＴａｒｇｅｔＤａｔａ）。数据预处理对提取的数据进行处理，使之符合数据挖掘的要求。数据变换的主要目的是精减数据维数，即从初始特征中找出真正有用的特征以减少数据挖掘时要考虑的特征或变量个数。这一阶段进行实际的挖掘工作。首先是算法规划，即决定采用何种类型的数据挖掘方法。然后，针对该挖掘方法选择一种算法。完成了上述的准备工作后，就可以运行数据挖掘算法模块了。这个阶段是数据挖掘分析者和相关领域专家最关心的阶段，也可以称之为真正意义上的数据挖掘。 浅谈数据挖掘技术及其应用 舒正渝１、２ （１．西北师范大学数信学院计算机系，甘肃兰州７３００７０；２．兰州理工中等专业学校，甘肃兰州７３００５０）摘要：科技的进步，特别是信息产业的发展，把我们带入了一个崭新的信息时代。数据库管理系统的应用领域涉及到了各行各业，但目前所能做到的只是对数据库中已有的数据进行存储、查询、统计等功能，通过这些数据获得的信息量仅占整个数据库信息量的一小部分，如何才能从中提取有价值的知识，进一步提高信息量利用率，因此需要新的技术来自动、智能和快速地分析海量的原始数据，以使数据得以充分利用，由此引发了一个新的研究方向：数据挖掘与知识发现的理论与技术研究。数据挖掘技术在分析大量数据中具有明显优势，基于数据挖掘的分析技术在金融、保险、电信等有大量数据的行业已有着广泛的应用。关键词：数据挖掘；知识发现 Abstract:Key words:The progress of science and technology,especially the development of the information industry,brings us into a brand-new information age.The application of the data base management system has involved all trades and professions,but only the store,inquire and statistic function can be applied,account a little part of the whole database.How to improve the utilization ratio of the information has initiated a new research direction,the data mining and knowledge found theory and technique.The data mining has the advantage in analyzing a large number of data.The data mining analytical technology has been largely used finance,insurance,telecommunication industry,etc..Data mining;Knowledge discovery 收稿日期：２０１０－０１－１５修回日期：２０１０－０２－１１ 作者简介：舒正渝（１９７４－），女，重庆籍，硕士研究生，研究方向为数据库、多媒体。 中国西部科技２０１０年０２月（中旬）第０９卷第０５期第２０２期 总38
葡萄酒评分详解 什么是葡萄酒评分？关于葡萄酒评分网不多，乐美尚品特撰写此篇文章，供大家分享。 有些人热衷于葡萄酒投资，所以进行葡萄酒评分： 因为新酒刚上市时的价格比完全熟化低很多，作投资为日后饮用。 完全是为了投资，现在买进葡萄酒是为了以后在卖出赚取利润。正国外拥有私人酒窖的人居多。以上两种因素都会影响葡萄酒的投资。全世界对于产量有限的优质葡萄酒的需求，在过去20年间有了巨大的增长。投资葡萄酒的收益可以并且经常超过美国道琼斯和英国金融时报100指数，葡萄酒的回报巨大但又不像股市那样波动剧烈。 给葡萄酒评分对于葡萄酒市场的影响很大。葡萄酒的分数让葡萄酒的知识不多的潜在投资者进入葡萄酒市场，同时也增强了购买者的决策信心。 学习相关葡萄酒评分系统，对葡萄酒鉴别有益无害。谁来为葡萄酒评分?知名的葡萄酒作家和葡萄酒专家为葡萄酒打分。最开始为葡萄酒打分的是美国著名的葡萄酒评论家罗伯特·帕克。帕克推崇的是葡萄酒100分制评分体系。 帕克的100分制给葡萄酒的打分范围是50-100，基于以下四个因素：外观，香气，风味，总体质量或潜力。每瓶葡萄酒最低都能得到50分。 5 points Colour and appearance颜色和外观 15 points Aroma and bouquet香气 20 points Flavour and finish风味和回味 10 points Overall quality level orpotential总体品质或潜力 美国的葡萄酒商展示葡萄酒时会配上带有帕克评分的卡片，从这点可以看出他对葡萄酒消费者、收藏者和投资者的影响程度。当然，他意识到评分系统的局限性，因此坚持认为品尝纪录和评分一起才能对葡萄酒有更精淮的评价。帕克说：“品尝葡萄酒最重要的是自己的味蕾，没有什么比自己品尝更好的培训。”帕克将葡萄酒分成四个档次(从50-100分)，具体的打分体系如下： 分数解释 96-100 Extraordinary极佳 90-95 Outstanding优秀 80-89 Above average优良 70-79 Average一般 60-69 Below average低于一般 50-59 Unacceptable次品 帕克对葡萄酒的影响是不容忽视的，如果帕克给出超过90的分数，那么葡萄酒的价格会急剧上涨。毫不夸张的讲，很多波尔多酒商在帕没有打分之前不知道怎么给自己经销的酒定价。 此外，还有《葡萄酒观察家》杂志的评分体系(100分制)。《葡萄酒观察家》杂志一直是100分制葡萄酒评分标准的提倡者。该杂志是这样解释它的评分体系的：“葡萄酒通常是盲品，酒瓶被包起来并编号，品尝人员只知道葡萄酒的大致风格和年份。价格对评分不产生影响” 分数解释 90-95 优秀的，有个性，有风格 80-89 品质优，有特点
质量管理体系的评价 质量管理体系建立并实施后，可能会发现不完善或不适应环境变化的情况。所以需要对它的适宜性、充分性和有效性进行系统的、定期的评价。对质量管理体系的评价包括以下四个方面。 1．质量管理体系过程的评价 由于体系是由许多相互关联和相互作用的过程构成的，所以对各个过程的评价是体系评价的基础。在评价质量管理体系时，应对每一个被评价的过程，提出如下四个基本问题： 1）过程是否已被识别并确定相互关系？ 2）职责是否已被分配？ 3）程序足否得到实施和保持？ 4）在实现所要求的结果方面，过程是否有效？ 前两个问题，一般可以通过文件审核得到答案，而后两个问题则必须通过现场审核和综合评价才能得出结论。对上述四个问题的综合回答可以确定评价的结果。 2．质量管理体系审核 所谓审核就是“为获得审核证据并对其进行客观的评价，以确定满足审核准则的程度所进行的系统的、独立的并形成文件的过程”。 质量管理体系审核时，“审核准则”一般是指质量标准、质量手册、程序以及适用的法规等。体系审核用于确定符合质量管理体系要求的程度。审核的结果可用于评定质量管理体系的有效性和识别改进的机会。体系审核有第一方审核（内审）、第一和第二方审核以及第三方审核三种类别。 3.质量管理体系评审 最高管理者的一项重要任务就是要主持、组织质量管理体系评审，就质量方针和质量目标对质量管理体系的适宜性、充分性、有效性和效率进行定期的（按计划的时间间隔）和系统的评价。这种评审可包括是否需要修改质量方针和质量目标，以响应相关方需求和期望的变化。从这个意义上来说，管理体系评审的依
据是相关方的需求和期望。管理体系评审也是一个有输人和输出的过程。其中，审核报告与其他信息（如顾客需求、产品质量、预防/纠正措施等）可作为输入；而评审结论，即确定需采取的措施则是评审的输出。 质量管理体系评审是一种第一方的自我评价，又称自我评定。组织的自我评定是一种参照质量管理体系或优秀馍式（如评质量奖）对组织的活动和结果所进行的全面和系统的评审。自我评定的结果可分为5个级别：没有正式方法（没有采用系统方法的证据；没有结果；不好的结果或非预期的结果）；反应式方法（基于问题或纠正的系统方法，改进记过的数量很少）；稳定的正式的系统方法（系统基于过程的方法处于系统改进的初期阶段，可获得符合目标的数据或存在改进的趋势）；重视持续改进（采用了改进过程，结果良好且保持改进趋势）；最好的运作级别（最强的综合改进过程，证实了达到了对比水平的最好结果）。与健全的质量体系可获得的重要收益） 自我评定结果可以对组织业绩及体系成熟程度提供一个总的看法，它还有助于识别需改进的领域及需优先开展的活动。
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！ == 本文为word格式，下载后可方便编辑和修改！ == 法国红酒品牌 酒中沉淀了数千年的酿酒文化，为很多注重生活品位的人所喜爱。给 大家分享一下红酒的相关知识：法国红酒品牌有哪些?下面跟小编一起去了解一下吧! 法国红酒品牌前十排名 1、莎普蒂尔酒庄(m.chapoutier) 入围“201X年全球50大最受推崇的葡萄酒品牌”榜单第五名，法国罗讷 河谷(Rhone Valley)顶级酒庄，莎普蒂尔酒庄的葡萄园遍及罗讷河谷到教皇新 堡各个产区，拥有多个优质葡萄园，莎普蒂尔酒庄的出色酒款包括：教皇新堡 洛马克红葡萄酒(Chateauneuf-du-Pape Barbe Rac)、罗第丘蒙多利红葡萄酒(Cote Rotie La Mordoree)、艾米达吉修道士红葡萄酒(Hermitage L’ermite)、艾米达吉岩粉红葡萄酒(Hermitage Le Meal)、艾米达吉修道士白葡萄酒(Hermitage L’ermite)和艾米达吉林缘白葡萄酒(L’oree)。 2、吉佳乐世家酒庄(E. Guigal) 入围“201X年全球50大最受推崇的葡萄酒品牌”榜单第六名，法国罗讷 河谷(Rhone Valley)顶级酒庄，吉佳乐世家酒庄生产罗第、孔德里约(Condrieu)、埃米塔日(Hermitage)、圣约瑟夫(St.-Joseph)以及克罗兹-埃米 塔日(Crozes- Hermitage)等多个AOC酒款，其中最著名的三款佳酿分别是：吉佳乐世家拉兰当干红葡萄酒(La Landonne)、吉佳乐世家拉慕林干红葡萄酒(La Mouline)和吉佳乐世家杜克干红葡萄酒(La Turque)，被称之为拉拉拉(LaLaLa)葡萄酒。 3、滴金酒庄 (Chateau d'Yquem) 入围“201X年全球50大最受推崇的葡萄酒品牌”榜单第9名，滴金酒庄(Chateau d'Yquem)又名伊甘酒庄，在1855年苏玳和巴萨克官方评级(1855 Classification of Sauternes and Barsac)中被评为超一级酒庄(Premier Cru Supérieur)，也是唯一获此殊荣的酒庄，其贵腐甜酒堪称世界第一。 4、木桐酒庄(Chateau Mouton Rothschild)
数据挖掘技术在软件工程中的应用研究 发表时间：2018-06-20T10:03:11.023Z 来源：《电力设备》2018年第5期作者：张佳鑫李爱萍 [导读] 摘要：社会发展的信息化水平在不断提高，越来越多的信息资源被相应的数据所替代，而实现这些信息资源充分利用的前提即是对其相应的数据进行管理与分析。 （太原理工大学计算机科学与技术学院山西太原 030024） 摘要：社会发展的信息化水平在不断提高，越来越多的信息资源被相应的数据所替代，而实现这些信息资源充分利用的前提即是对其相应的数据进行管理与分析。数据挖掘技术作为一种新型的网络技术，在软件工程的大数据分析中占据核心地位，有利于提高数据的可靠性与安全性。本文主要分析了数据挖掘技术在软件工程中的应用策略。 关键词：数据挖掘；软件工程；策略；发展 随着信息技术的不断发展，日常生活中人们所接触的信息量越来越多，如何在众多信息量中找到自己有用的信息，成为影响人们工作效率和工作质量的关键因素，而数据挖掘技术的应用则能很好的解决这个问题。所谓数据挖掘是指在大量、无序、模糊的数据中挖掘出其中有用的信息的过程，它能实现信息的分类、聚类并进行偏差分析。数据挖掘技术一般流程为数据预处理、数据挖掘、模式评估与知识表示等等，笔者结合实际经验，分析了数据挖掘技术在软件工程中的应用策略，对数据挖掘技术的发展提出了几点思考。 1数据挖掘技术概述 1.1数据挖掘技术的定义 数据挖掘技术，也成为数据库中的知识发现，发展于上个世纪末，是当前数据库领域内最新的应用研究技术。历经多年的发展，数据挖掘技术已成为当前数据库领域内最为关键的组成部分，但是还没有较为统一的定义。当前数据挖掘技术定义认可度最高的便是由W.J.Frawley等人所提出的，将数据挖掘技术理解为从数据中提炼出更为高效、更为新颖、更具潜在应用价值，并最终可理解模式的非平凡过程中。主要具有如下多方面内容： （1）数据源务必真实、数据量较大、并含噪音，不完全； （2）应用于获取终端用户兴趣较高的未知知识信息； （3）所获取的知识具备有效性、新颖性，且为潜在的； （4）更用于发现特定的问题，对知识量没有过多要求； 综合而言，数据挖掘属于复杂度较高的交叉学科，包括人工智能、模式识别、统计学、数据可视化等等交叉性相对较大的新型学科，未来拥有良好的发展空间。 1.2数据挖掘技术一般流程 一般而言，数据挖掘主要由数据预处理、数据挖掘以及模式评估和知识表示等三阶段组成。具体如下： （1）数据预处理。主要由原始信息获取、数据清洗、数据抽取及数据交换等构成。原始数据获取在于获取发现任务的处理对象，主要按照相应的需求而获取数据。数据清洗目的在于完善原始数据所缺失的数据。数据抽取指将特定的数据源中获取与分析任务相关的数据。数据转换在于规格化数据，以满足特定范围要求。 （2）数据挖掘，第一步便是明确挖掘任务，包括数据分类、数据总结等等，紧接着便是确定挖掘算法，应结合数据实际特点以及具体系统特定需求来确定算法。 （3）模式评估与知识表示。模式用于表示数据挖掘所形成的结果，用特定的兴趣度进行度量，用于识别表示知识的真正有趣模式。在此之中所使用的度量特定值通常由领域专家、用户标准等给出 2数据挖掘技术在软件工程中的应用情况 2.1执行记录 对于执行记录挖掘来说，就是分析程序执行路径，找寻存在于程序中的代码关系，将数据挖掘及时应用到软件工程中就是跟踪相关执行路径，在逆向建模的作用下达到既定目标，其主要作用是维护与验证程序。在执行记录的过程中，主要是插装系统，然后用相关软件接口编程，同时记录相关变量等，最终将收集来的信息整合在一起，构建相应的系统模型。 2.2漏洞检测 在软件工程中利用数据挖掘技术进行漏洞检测，主要是为了及时发现存在于软件开发中的问题，这样就可以尽快将漏洞弥补，对提高软件质量有很好的作用。通常情况下，利用数据挖掘及时检测软件漏洞看，就是先对软件进行系统测试看，同时根据用户需求制定出科学合理的应对措施。然后将各种漏洞数据收集整理在一起，逐一做好数据清理与转换。通过分析这些数据信息能够得知，为做好数据清理工作，就需要将多余数据清理出去，然后对丢失项目进行补充，这样再将数据属性以数值的形式体现出来。其次，要构建合适的数据模型，做好验证与训练。在这一过程中应重视与项目实际的联系，选择与之相匹配的挖掘方式，以便构成测试集，获得相应结果。此外，还要做好漏洞扫描与分类，将所有漏洞整理起来构成漏洞库，然后再次扫描，防止漏洞遗失，最后将通过挖掘得来的数据知识应用到软件测试中。 2.3开源软件 对于开源软件来说，其挖掘环境带有明显的开放性与全面性特征，所以，在管理这样的软件时，就不能使用传统软件的开发方式。一般而言，较为成熟的开源软件，能够详细记录开发中所遇到的错误，同时也包括软件开发者的一些活动，以及软件在市场中的应用情况。对于参与软件开发的人员来说，他们是社会网络的主要创造者，然而，由于开源软件的开放特征较为明显，所以也就让这些参与人员随之发生变化。同时，由于开源软件还带有动态特征，所以就需要重视开源项目的进一步管理，也就是由专业人士管理软件系统，在这项工作中做的最好的莫过于英国牛津大学的Sima系统。 2.4版本信息控制 在版本信息控制应用中，主要是确保项目参与者所使用的档案相同，这样也有利于全面更新。对于软件工程开发来说，通常会用版本控制系统管理与开发软件。同时利用版本信息控制，选择合适的变更历史信息的方法，以便获取不同模块，在这种情况下子系统也可以相互映衬，这对深度挖掘程序变化，做好漏洞检测具有重要作用。随着数据挖掘技术在软件工程中的应用，不仅可以有效减少系统维护资