研究内容
本项目针对香料的电子鼻和电子舌检测数据进行分析，通过对BP神经网络算法的改进和编程，建立香料的分类模型，鉴别香料的类型，并分析香料之间的相似性。在以上基础上，建设基于BP神经网络算法的香料检测信息化系统，实现香料检测信息的存储、分析和查询，使得实验人员能够非常方便地了解香料的各种关联信息，使之成为香料检测的知识库和专家系统。
国内外研究方向
使用数据挖掘技术运用在香料数据的分类上国内外学者有很多的研究。但这些研究都有共同的几个特点。1、研究所使用的数据挖掘技术都使用了成熟的商业软件[6]。美国MathWorks公司生产的Matlab软件是使用的最多的。当然其自带的神经网络工具箱确实可以满足一般的科学研究。但是若要投入商业生产，使用外公司的产品进行再研发，显然是不合适的。2、实用价值不高[8]。虽然很多的论文对模型的选择，算法的改进提出了很多富有独特见解的方法。但所有的落脚点都回到了分类上。作为生产者仅仅知道一个结果是不够的。生产者更关注的是每个样本之间的相似度。凭借此来调控产品，用来提高产品质量。
神经网络用于分类在国内近几年如雨后春笋般遍地开花，在文献检索库中可以看到很多相关的论文[9-11]。但在国外近几年表现平平[3]。笔者访问了IEEE数据库只搜索到2008年印度的科研工作者发表的有关红茶风分类的研究[5]（该论文我已将其翻译成中文，作为毕业论文外语文献翻译成果）。该研究团队对影响茶叶风的风物质和老化风物质做了详细的介绍，并且对电子鼻的选型也做了介绍。但是对于神经网络和数据处理则叙述的较为简略。其系统使用了美国国家仪器公司的LabView软件进行了开发。
前人有关神经网络模型的研究为我确定本系统采用BP神经网络奠定了坚实的基础。作为一名计算机学生，使用算法来跨学科研究解决香精香料学科碰到的问题，希望能为香料的科研工作者提供一种全新的思路。
文章结构
论文的第一部分绪论，主要向读者介绍本项目的背景和具体研究内容以及国内外研究状况，从而达到纲举目张的效果。
论文的第二部分人工神经网络则是作为预备知识，对于初次了解人工神经网络和BP神经网络算法的读者有一个快速且详细的介绍。其中BP神经网络算法在本章中使用公式对算法流程进行了介绍。具体的实现过程可以残月第三部分3.2节的算法详解。如果还需要进一步的了解，可以参阅本毕业设计的光盘材料。
论文的第三、第四、第五部分则是将本论文需要解决的三个问题进行详细解答。包括功能介绍、算法详解、验收测试三个板块。
作为一个系统，最终面向的是用户，因此论文的第751部分是对本系统用户界面的介绍。通过阅读本章，读者可以学会操作本软件，以体验到分类带来便利。
论文的第七部分是结语，在本章中总结项目实施的重点和难点，并对数据挖掘技术和本系统的进一步创新做了展望。
论文以致谢结束。
人工神经网络算法——BP算法
在参考前人的研究基础上，使用神经网络来进行数据挖掘和分类是主流。同时参考了大量有关香料分类的文献，并使用Matlab软件和SPSS软件对数据使用不同的数据挖掘方法进行分类。最后选定使用BP神经网络算法作为分类的算法。
神经网络的基本概念
什么是人工神经网络
人类的大脑是智慧的源泉，是人与动物区分的分界线。人类的情感活动，抽象思文等智能精神活动都是源于大脑。现代医学的进步使人们有能力对大脑的结构和脑神经网络进行研究分析。进而揭示人脑的工作机制，了解神经系统是如何工作的。有以下的公理是脑科学研究者和神经生理学的研究者所公认的。神经元是构成神经网络和对信息处理的最小单元。神经元分布在人类的大脑皮层上。要形成具有智慧的神经网络需要各个神经元之间存在广泛互连。只有这样，神经元才能以群体协作的工作方式对数据进行处理和加工，从而体现出大脑神奇的智能。 基于BP神经网络算法的香料鉴别分析系统的研制(3):http://www.751com.cn/zidonghua/lunwen_18034.html