計(jì)算機(jī)輔助感官評估實(shí)驗(yàn)的自學(xué)習(xí)控制

摘要:建立基于三角形的感官評估基本模型和一種機(jī)器模擬人評估行為的控制方法，根據(jù)新的知識不斷修正計(jì)算機(jī)存儲的感官評估參數(shù)的控制策略，通過該控制策略實(shí)現(xiàn)機(jī)器的自學(xué)習(xí)過程。實(shí)驗(yàn)結(jié)果表明，采用自學(xué)習(xí)控制能夠提高計(jì)算機(jī)輔助感官評估(CASE)實(shí)驗(yàn)的能力。

關(guān)鍵詞:感官評估; 實(shí)驗(yàn)設(shè)計(jì); 自學(xué)習(xí); 智能控制

中圖分類號:TP311文獻(xiàn)標(biāo)志碼:A

文章編號:1001－3695(2008)02－0398－03

1975年美國食品協(xié)會提出感官評估方法，感官評估方法從食品評估推廣到其他工業(yè)和服務(wù)領(lǐng)域(如汽車#65380;服裝#65380;化妝品#65380;投資#65380;風(fēng)險(xiǎn)#65380;安全#65380;市場營銷和企業(yè)戰(zhàn)略評估等)[1~3]。感官評估已發(fā)展成為獲取預(yù)測與決策數(shù)據(jù)的重要方法[4，5]。實(shí)驗(yàn)設(shè)計(jì)(又稱試驗(yàn)設(shè)計(jì))在科學(xué)研究#65380;工程和社會評價(jià)系統(tǒng)等多領(lǐng)域均有非常廣泛的應(yīng)用。20世紀(jì)初期，實(shí)驗(yàn)設(shè)計(jì)成為一門獨(dú)立的統(tǒng)計(jì)數(shù)學(xué)，至今已經(jīng)形成了很多的試驗(yàn)設(shè)計(jì)方法，如區(qū)組設(shè)計(jì)#65380;正交設(shè)計(jì)#65380;飽和設(shè)計(jì)和超飽和設(shè)計(jì)#65380;參數(shù)設(shè)計(jì)#65380;回歸設(shè)計(jì)#65380;均勻設(shè)計(jì)和混料設(shè)計(jì)等[6]。對需要及時(shí)控制的實(shí)驗(yàn)系統(tǒng)，由于傳統(tǒng)實(shí)驗(yàn)設(shè)計(jì)方法通常采用離線控制(off－line control)策略，經(jīng)常面臨控制成本過高和控制失靈等問題。對此，應(yīng)用自動學(xué)習(xí)機(jī)(learning automation，LA)[7]等人工智能方法建立在線控制(on－line control)系統(tǒng)有助于進(jìn)一步設(shè)計(jì)和開發(fā)出具有良好適應(yīng)性的動態(tài)實(shí)驗(yàn)設(shè)計(jì)方案。在動態(tài)實(shí)驗(yàn)設(shè)計(jì)中，機(jī)器的自學(xué)習(xí)過程控制是核心問題之一。感官評估實(shí)驗(yàn)屬于需要及時(shí)調(diào)整控制策略的系統(tǒng)，應(yīng)用自動學(xué)習(xí)機(jī)設(shè)計(jì)感官評估實(shí)驗(yàn)有助于提高實(shí)驗(yàn)效率。

1感官評估實(shí)驗(yàn)?zāi)康暮头椒?/p>

1.1主要目的和基本方法

通過感官評估實(shí)驗(yàn)設(shè)計(jì)，以盡量少的實(shí)驗(yàn)次數(shù)找出樣本之間的相似性差異。感官評估實(shí)驗(yàn)的主要目的是獲取有用的評估實(shí)驗(yàn)數(shù)據(jù)。其來源包括評估專家和普通消費(fèi)者兩方;其用途一方面是為企業(yè)改進(jìn)產(chǎn)品(服務(wù))設(shè)計(jì)提供直接信息，另一方面為企業(yè)評估產(chǎn)品(服務(wù))質(zhì)量提供客觀依據(jù)。

傳統(tǒng)的感官評估實(shí)驗(yàn)方法有二二比較法(test of pairs)和H.Stone等人[5]提出的平衡塊(balanced stock)方法等。對于test of pairs，如果有n個(gè)評估樣本，則其總的實(shí)驗(yàn)次數(shù)為C2n次。顯然，如果n較大(如大于30)，則總的實(shí)驗(yàn)次數(shù)是很大的。Balanced stock方法幫助一般評估者減少隨機(jī)性影響，但是它沒有考慮評估者的智能(包括學(xué)習(xí)和記憶能力等);它也不太適應(yīng)評估專家，因?yàn)樵u估專家通常按照自己的方式進(jìn)行評估。

自動學(xué)習(xí)機(jī)能夠處理隨機(jī)環(huán)境下的非線性優(yōu)化問題[8]。應(yīng)用自動學(xué)習(xí)機(jī)設(shè)計(jì)感官評估實(shí)驗(yàn)在保證實(shí)驗(yàn)可靠性的前提下，相對test of pairs方法能夠顯著地減少實(shí)驗(yàn)次數(shù)。

本文采用模糊距離表示樣本的相似性，建立基于三角形的感官評估基本模型。應(yīng)用此模型建立計(jì)算機(jī)輔助感官評估實(shí)驗(yàn)系統(tǒng)。

1.2樣本相似性表示方法

樣本之間的相似性差異用模糊距離表示。設(shè)用[0，1]表示樣本相似性取值結(jié)果。其中:0和1分別表示左完全不相似和右完全不相似;0.5表示相似。模糊關(guān)系建立樣本相似隸屬函數(shù)值，如表1所示。根據(jù)比較關(guān)系的對稱性，如第i個(gè)樣本位于第j個(gè)樣本的左邊，則j個(gè)樣本位于第i個(gè)樣本的右邊，且有

1.3基于三角形的感官評估基本模型

實(shí)驗(yàn)結(jié)果因人而異是感官評估實(shí)驗(yàn)與傳統(tǒng)的客觀物理測量相區(qū)別的重要標(biāo)志。相對合理和準(zhǔn)確地反映評估者對樣本的真實(shí)判斷是感官評估實(shí)驗(yàn)的主要任務(wù)。本文通過設(shè)置評估參數(shù)表示計(jì)算機(jī)模擬人的評估行為。評估參數(shù)主要反映人在感官評估過程中的記憶和學(xué)習(xí)能力，以上兩種能力表現(xiàn)為處理感官評估中的對照(contrast)和趨中(convergence)兩種現(xiàn)象的有效性。Contrast現(xiàn)象是指當(dāng)評估樣本結(jié)果是從小到大時(shí)，先前評估的結(jié)果實(shí)際上被相對放大了;convergence現(xiàn)象則與此相反，指評估樣本結(jié)果從大到小，即先前評估的結(jié)果實(shí)際上被相對縮小了。應(yīng)用三角形建立處理三個(gè)樣本的contrast和convergence現(xiàn)象的感官評估基本模型如圖1所示。

在圖1中，A#65380;B#65380;C為三個(gè)已評估樣本，有

2計(jì)算機(jī)輔助感官評估實(shí)驗(yàn)的自學(xué)習(xí)控制策略

在感官評估實(shí)驗(yàn)過程中，計(jì)算機(jī)根據(jù)已評估結(jié)果預(yù)測與新樣本最相似的已評估樣本，從而實(shí)現(xiàn)以較少實(shí)驗(yàn)次數(shù)找出樣本之間的相似性差異。然而，預(yù)測結(jié)果與實(shí)際結(jié)果可能會不一致(包括偏大或偏小兩種情況)。對此，需要通過自學(xué)習(xí)控制策略來動態(tài)調(diào)整已存儲的評估參數(shù)值，提高機(jī)器輔助感官評估的效率。

根據(jù)預(yù)測結(jié)果與實(shí)際結(jié)果的兩種不一致的表現(xiàn)分別建立相應(yīng)的自學(xué)習(xí)控制策略。

策略1預(yù)測最相似樣本的評估值偏大。圖2所示為預(yù)測最相似樣本的評估值大于實(shí)際結(jié)果的情況。因此，需要減小ti/js(設(shè)根據(jù)最新的比較實(shí)驗(yàn)，從ti/js調(diào)整為ti/j(s+1))。

3實(shí)驗(yàn)結(jié)果

邀請一名評估專家應(yīng)用計(jì)算機(jī)輔助感官評估系統(tǒng)對九塊面料的彎曲進(jìn)行測試。計(jì)算機(jī)輔助評估實(shí)驗(yàn)過程和實(shí)驗(yàn)評估結(jié)果分別如表2和3所示。

該專家的評估參數(shù)值和自學(xué)習(xí)曲線分別如圖4和5所示。從理論上講，評估參數(shù)值越小，說明contrast和convergence現(xiàn)象越不明顯。由圖4和5可以看出，該專家的平均評估參數(shù)為0.612 964;對編號為3和0的樣本均有三次記憶調(diào)整過程;均經(jīng)歷了從小到大，再從大到小和穩(wěn)定的三步動態(tài)調(diào)整過程。

利用二二比較法對九個(gè)樣本的總實(shí)驗(yàn)次數(shù)為36;采取

CASE則只需要17次，用時(shí)不到17 min，總實(shí)驗(yàn)次數(shù)下降了52.7%。

4結(jié)束語

感官評估實(shí)驗(yàn)是一種重要的獲取數(shù)據(jù)的方法。該實(shí)驗(yàn)尤其在管理決策#65380;市場調(diào)研和產(chǎn)生改進(jìn)設(shè)計(jì)等方面具有廣泛的應(yīng)用前景。本文通過建立基于三角形的感官評估基本模型，對計(jì)算機(jī)輔助感官評估實(shí)驗(yàn)的自學(xué)習(xí)控制進(jìn)行了研究。實(shí)驗(yàn)評估結(jié)果表明，本文提出的控制策略能夠使計(jì)算機(jī)有效地模擬人的智能行為，提高實(shí)驗(yàn)效率，為開發(fā)實(shí)際感官評估實(shí)驗(yàn)系統(tǒng)提供了一些理論基礎(chǔ)。

參考文獻(xiàn):

[1]ZENG Xian－yi，DING Yong－sheng.An introduction to intelligent Evaluation[J].Journal of Donghua University，2004，21(3):1－4.

[2]侯彩虹，崔運(yùn)花，曾憲弈，等.紡織品感官評估的進(jìn)展與展望[J].東華大學(xué)學(xué)報(bào):自然科學(xué)版，2003，29(3):110－114.

[3]陳雁，李棟高.顏色感覺的評價(jià)方法[J].紡織學(xué)報(bào)，2005，26(2):118－120.

[4]DIJKSTERHUIS G B. Multivariate data analysis in sensory and consumer science[M]. USA: Food Nutrition Press， 1997:60－106.

[5]STONE H， SIDEL J L. Sensory evaluation practices[M].3rd. USA: Academic Press， 2004:5－20，201－280.

[6]茆詩松，周紀(jì)薌，陳穎.試驗(yàn)設(shè)計(jì)[M].北京:中國統(tǒng)計(jì)出版社，2004:1－20.

[7]NARENDRA K S， THATHCHARM A L. Learning automata: an introduction[M]. USA:Prentice Hall，Englewood Cliffs， 1989:10－25.

[8]ZENG Xian－yi， LIU Ze－yi. A learning automata based algorithm for optimization of continuous complex functions[J].Information Scie－nce， 2005，174(3－4):165－175.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”