| 中文摘要 | 第5-6页 |
| 英文摘要 | 第6-12页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 背景 | 第12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 文章结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 质量预测模型 | 第17-23页 |
| 2.1 多元线性回归分析 | 第17页 |
| 2.2 主成分分析 | 第17-18页 |
| 2.3 灰色理论控制 | 第18-19页 |
| 2.4 神经网络 | 第19页 |
| 2.5 支持向量机 | 第19-20页 |
| 2.6 模拟实验 | 第20-21页 |
| 2.7 实验小结 | 第21-22页 |
| 2.8 本章小结 | 第22-23页 |
| 第三章 支持向量机模型 | 第23-30页 |
| 3.1 基础理论 | 第23-26页 |
| 3.1.1 线性可分性 | 第23-24页 |
| 3.1.2 损失函数 | 第24页 |
| 3.1.3 经验风险与结构风险 | 第24-25页 |
| 3.1.4 核方法 | 第25-26页 |
| 3.2 支持向量机原理 | 第26-29页 |
| 3.3 优缺点和相关应用 | 第29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 基于遗传优化的改进支持向量机模型 | 第30-42页 |
| 4.1 径向基核函数参数σ | 第30页 |
| 4.2 错误惩罚参数C | 第30-31页 |
| 4.3 基于遗传算法的参数寻优 | 第31-33页 |
| 4.3.1 遗传算法的原理 | 第31-32页 |
| 4.3.2 遗传算法的应用 | 第32-33页 |
| 4.3.3 基于遗传算法优化的支持向量机 | 第33页 |
| 4.4 基于遗传算法的支持向量机模型 | 第33-36页 |
| 4.5 实验验证 | 第36-37页 |
| 4.5.1 数据集 | 第36-37页 |
| 4.5.2 建模预测 | 第37页 |
| 4.6 实验结果 | 第37-40页 |
| 4.7 结论 | 第40-41页 |
| 4.8 本章小结 | 第41-42页 |
| 第五章 基于改进支持向量机的产品质量预测系统的设计 | 第42-49页 |
| 5.1 系统功能 | 第42-43页 |
| 5.2 系统软件架构 | 第43-44页 |
| 5.3 数据库设计 | 第44-45页 |
| 5.4 系统运行流程 | 第45-47页 |
| 5.5 本章小结 | 第47-49页 |
| 第六章 基于改进支持向量机的产品质量预测系统的实现 | 第49-63页 |
| 6.1 系统登陆和主页面 | 第49-50页 |
| 6.2 基础数据维护模块 | 第50-56页 |
| 6.3 预测分析模块 | 第56-59页 |
| 6.4 展示报表模块 | 第59-62页 |
| 6.5 本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-66页 |
| 7.1 总结 | 第63-64页 |
| 7.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 附录 | 第71-72页 |
| 附录1 UCSI葡萄酒数据 | 第71-72页 |
| 在学期间发表的学术论文和参加科研情况 | 第72页 |