| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-17页 |
| ·研究背景 | 第11-13页 |
| ·基于模式识别的数据分类预测研究背景 | 第11-12页 |
| ·基于智能算法的数据分类预测研究背景 | 第12-13页 |
| ·大数据的分类预测研究背景 | 第13页 |
| ·研究现状 | 第13-15页 |
| ·模式识别研究现状 | 第13页 |
| ·遗传算法研究现状 | 第13-14页 |
| ·神经网络研究现状 | 第14页 |
| ·免疫计算研究现状 | 第14页 |
| ·大数据研究现状 | 第14-15页 |
| ·研究内容 | 第15页 |
| ·论文章节安排 | 第15-17页 |
| 第二章 基于模式识别的游戏评价数据分类预测研究 | 第17-38页 |
| ·数据来源 | 第17页 |
| ·模式识别的概念分析 | 第17-19页 |
| ·模式识别 | 第17-18页 |
| ·模式识别系统的组成 | 第18-19页 |
| ·模式识别的方法分析 | 第19-31页 |
| ·贝叶斯决策的分析 | 第19-21页 |
| ·线性判别函数的分析 | 第21页 |
| ·近邻法的分析 | 第21-22页 |
| ·K-L变换的分析 | 第22-23页 |
| ·Fisher准则函数的分析 | 第23-28页 |
| ·K最近邻法的分析与实现 | 第28-29页 |
| ·基于粒子群算法的游戏评价数据分类 | 第29-31页 |
| ·基于模式识别的游戏数据分类预测 | 第31-36页 |
| ·各因素权重的分析 | 第31-32页 |
| ·权值的找寻方法 | 第32-36页 |
| ·本章小结 | 第36-38页 |
| 第三章 基于神经网络的游戏评价数据分类预测研究 | 第38-52页 |
| ·Elman神经网络的预测模型 | 第38-41页 |
| ·BP神经网络预测 | 第41-45页 |
| ·BP神经网络的游戏评价数据分类预测研究 | 第41-43页 |
| ·基于遗传免疫算法的BP神经网络改进算法 | 第43-45页 |
| ·小波神经网络的游戏得分数据预测 | 第45-48页 |
| ·基于广义回归神经网络的游戏评价数据预测 | 第48-49页 |
| ·基于神经网络的游戏评价数据分类预测软件设计 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于支持向量机的游戏评价数据分类预测研究 | 第52-85页 |
| ·CMSVM的分类预测方法 | 第52-58页 |
| ·支持向量机的原理分析 | 第58-59页 |
| ·基于SVM的游戏评价数据分类预测模型 | 第59-63页 |
| ·基于PCA和KPCA的SVM预测研究 | 第63-67页 |
| ·基于SVM的大数据分类预测方法 | 第67-71页 |
| ·基于游戏数据来源的有效性分析研究 | 第71-74页 |
| ·SVM数据分类预测的“中位选民定理”算法 | 第74-80页 |
| ·SVM分类预测软件的设计和优势 | 第80-84页 |
| ·本章小结 | 第84-85页 |
| 第五章 基于数据挖掘的文本和图像数据分析与分类预测 | 第85-107页 |
| ·数据挖掘的定义、方法和分类 | 第85-87页 |
| ·基于回归分析的数据挖掘 | 第87-89页 |
| ·基于ROC曲线的数据挖掘 | 第89-91页 |
| ·基于散点图的数据挖掘 | 第91-92页 |
| ·基于LINUX的非结构化数据挖掘与分类预测 | 第92-95页 |
| ·基于游戏图像评价数据的挖掘 | 第95-105页 |
| ·本章小结 | 第105-107页 |
| 第六章 总结和展望 | 第107-109页 |
| ·总结 | 第107页 |
| ·展望 | 第107-109页 |
| 参考文献 | 第109-114页 |
| 附录 | 第114-118页 |
| 攻读学位期间的研究成果目录 | 第118-120页 |
| 致谢 | 第120页 |