文章采用電子舌和電子鼻技術(shù)分析啤酒風(fēng)味信息分類中的數(shù)據(jù)融合特征。首先，電子舌和電子鼻被用來收集味道和啤酒的嗅覺信息。第二，主成分分析(PCA)，遺傳算法-偏小二乘(GA-PLS)和可變重要性的投影(VIP)評分將該方法應(yīng)用于原始融合集特征變量的選擇在SVM、RF和ELM上為評價特征挖掘方法的有效性而建立。結(jié)果表明基于變量累加的特征挖掘方法得到了影響啤酒風(fēng)味的主要特征信息，支持向量機、RF和ELM模型的Z佳分類性能為96.67%，預(yù)測準確率分別為94.44%和98.33%。

       本研究成果來源于東北電力大學(xué)。如有老師感興趣請自行下載或contact我們。