新疆慕萨莱思感官特性定量描述分析

通过对10份新疆慕萨莱思样品进行定量描述评价,对其评价值进行多变量数据统计分析,并分析对传统慕萨莱思外观、口感及香气特征的影响因素。通过ANOVA、均值风味轮及主成分分析,显示慕萨莱思感官特征差异显著,但主体感官特征为棕色系列、酸甜为主、略带苦涩、香气丰富、典型性强,具有突出的焦糖香与醇香;传统工艺是奠定慕萨莱思基础色调、体态及典型香型的主要因素,但原料品种及贮藏时间也具有不同程度影响;传统工艺与和田红原料是慕萨莱思优质品质的保障,而现代工艺介入及其他原料的选用,对慕萨莱思口感、香气特征具有消弱作用;1～2a贮藏消弱新酒的粗糙、苦涩等口感而使其变得圆润,同时也将其香气馥郁度与悠长尾味消弱而变得寡淡。酿制年份对慕萨莱思感官品质不具明显作用。由偏最小二乘回归法进行分类分析得到慕萨莱思样品分散度大,说明其感官特征复杂多变,稳定性不足。     

慕萨莱思酵母菌YPD表型多样性及其酿酒酵母δ序列遗传多样性分析

利用YPD稀释涂布法,从新疆阿瓦提地区6个不同采样点46份样液(原料、预处理液,不同时期发酵液)中分离出700株酵母菌,具有15种表型特征。挑选141株酿酒酵母代表株,与7株不同年份酿酒酵母,采用δ序列分析,得到41种基因型,显示阿瓦提慕萨莱思相关酵母菌,在不同采样点之间及同一采样点的原料批次,不同发酵期,不同发酵容器,不同年份之间均存在多样性。     

无监督局部特征学习的鲁棒性人脸识别

特征表示是人脸识别的关键问题,由于人脸图像在拍摄过程中受光照、遮挡、姿势等因素的影响,如何提取鲁棒的图像特征成了研究的重点。受卷积网络框架的启发,结合K-means算法在卷积滤波器学习中所具有的效果稳定、收敛速度快等优点,提出了一种简单有效的人脸识别方法,主要包含三个部分：卷积滤波器学习、非线性处理和空间平均值池化。具体而言,首先在训练图像中提取局部图像块,预处理后,使用K-means算法快速学习滤波器,每个滤波器与图像进行卷积运算;然后通过双曲正切函数对卷积图像进行非线性变换;最后利用空间平均值池化对图像特征进行去噪和降维。分类阶段仅采用简单的线性回归分类器。在AR和ExtendedYaleB数据集上的评估实验结果表明所提方法虽然简单却非常有效,而且对光照和遮挡表现出了强鲁棒性。