基于数据挖掘的单料烟感官评吸指标预测研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 课题来源与选题背景 | 第12-13页 |
| 1.2 课题研究的目的和意义 | 第13-14页 |
| 1.3 研究目标与内容 | 第14-15页 |
| 1.4 研究的技术路线与方法 | 第15-16页 |
| 1.5 论文结构安排 | 第16-18页 |
| 第2章 相关理论基础与研究综述 | 第18-34页 |
| 2.1 烟叶相关知识概述 | 第18-23页 |
| 2.1.1 烟叶的类型特点 | 第18-20页 |
| 2.1.2 烟叶的物化特性 | 第20-22页 |
| 2.1.3 烟叶感官评吸方法 | 第22-23页 |
| 2.2 烟叶感官评吸指标 | 第23-25页 |
| 2.3 数据挖掘的相关研究 | 第25-30页 |
| 2.3.1 数据挖掘的定义 | 第26-27页 |
| 2.3.2 数据挖掘的过程 | 第27页 |
| 2.3.3 数据挖掘的方法 | 第27-29页 |
| 2.3.4 数据挖掘在烟草行业中的应用现状 | 第29-30页 |
| 2.4 卷烟感官指标预测的相关研究 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 单料烟数据预处理和相关性分析 | 第34-52页 |
| 3.1 引言 | 第34页 |
| 3.2 数据来源及描述 | 第34-37页 |
| 3.2.1 单料烟数据描述 | 第34-36页 |
| 3.2.2 单料烟数据特点 | 第36-37页 |
| 3.3 数据预处理 | 第37-44页 |
| 3.3.1 单料烟物理特性标签处理 | 第37-38页 |
| 3.3.2 数据标准化 | 第38-39页 |
| 3.3.3 数据分组 | 第39-44页 |
| 3.4 相关性分析 | 第44-50页 |
| 3.4.1 单料烟物化指标的相关性分析 | 第44-46页 |
| 3.4.2 单料烟感官评吸指标的相关性分析 | 第46-49页 |
| 3.4.3 单料烟物化指标与感官评吸指标的相关性 | 第49-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第4章 基于BP神经网络的单料烟感官评吸指标预测 | 第52-66页 |
| 4.1 引言 | 第52页 |
| 4.2 BP神经网络模型 | 第52-54页 |
| 4.3 BP神经网络算法的改进 | 第54-57页 |
| 4.3.1 BP神经网络初始权值阈值的选择 | 第54-56页 |
| 4.3.2 附加动量法 | 第56页 |
| 4.3.3 BP神经网络隐含层节点个数的选择 | 第56-57页 |
| 4.4 数据实验 | 第57-65页 |
| 4.4.1 算法性能指标 | 第57-58页 |
| 4.4.2 神经网络拟合预测 | 第58-61页 |
| 4.4.3 神经网络分类预测 | 第61-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 基于支持向量机的单料烟感官评吸指标预测 | 第66-80页 |
| 5.1 引言 | 第66页 |
| 5.2 支持向量机网络模型 | 第66-69页 |
| 5.3 支持向量机模型设计 | 第69-74页 |
| 5.3.1 核函数的选择 | 第69-71页 |
| 5.3.2 模型参数的选取 | 第71-74页 |
| 5.4 数据实验 | 第74-76页 |
| 5.4.1 支持向量机拟合预测 | 第74-75页 |
| 5.4.2 支持向量机分类预测 | 第75-76页 |
| 5.5 BP神经网络模型和支持向量机模型分析比较 | 第76-77页 |
| 5.6 本章小结 | 第77-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 6.1 论文工作总结 | 第80页 |
| 6.2 未来研究工作展望 | 第80-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 攻读硕士期间参加课题及获奖情况 | 第90页 |
