数据挖掘技术在卷烟配方优化中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 概论 | 第10-14页 |
| ·选题背景及研究意义 | 第10-11页 |
| ·选题背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·烟草配方行业现状 | 第11-12页 |
| ·论文主要研究内容及章节安排 | 第12-14页 |
| 第二章 数据挖掘概述 | 第14-23页 |
| ·数据挖掘的定义 | 第14页 |
| ·数据挖掘的研究历史和现状 | 第14-15页 |
| ·数据挖掘与传统分析方法的区别和联系 | 第15-17页 |
| ·数据挖掘常用技术和工具 | 第17-21页 |
| ·数据挖掘过程简介 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 数据预处理 | 第23-29页 |
| ·基本理论和方法 | 第23-24页 |
| ·卷烟数据描述 | 第24-25页 |
| ·卷烟数据特点 | 第25-26页 |
| ·卷烟数据预处理方法 | 第26-28页 |
| ·缺失数据处理 | 第27页 |
| ·去除异常值 | 第27页 |
| ·数据规范化 | 第27-28页 |
| ·小样本数据处理 | 第28页 |
| ·小结 | 第28-29页 |
| 第四章 数据挖掘与复杂相关性分析 | 第29-39页 |
| ·统计分析方法 | 第29-33页 |
| ·散点图 | 第29-30页 |
| ·主成分分析 | 第30-31页 |
| ·逐步线性回归 | 第31-32页 |
| ·相关分析过程与结论 | 第32-33页 |
| ·基于模糊逻辑的工具 | 第33-38页 |
| ·模糊变换散点图 | 第34-36页 |
| ·模糊散点图相关性分析 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第五章 M5 算法及其在感觉评估中的应用 | 第39-53页 |
| ·决策树 | 第39-43页 |
| ·决策树基本概念及核心技术 | 第39-40页 |
| ·常用的决策树算法 | 第40-41页 |
| ·决策树目前研究方向 | 第41-43页 |
| ·模型树 | 第43-47页 |
| ·模型树描述 | 第43-45页 |
| ·模型树M5’算法流程 | 第45-47页 |
| ·感官评估模型 | 第47-49页 |
| ·基于M5’模型树的感官评估模型 | 第49-52页 |
| ·小结 | 第52-53页 |
| 第六章 支持向量机方法评估建模 | 第53-65页 |
| ·统计学习理论基础 | 第53-56页 |
| ·支持向量机(SVM) | 第56-59页 |
| ·SVM 方法基本思想 | 第56-57页 |
| ·最优超平面求解 | 第57-58页 |
| ·SVM 回归分析 | 第58-59页 |
| ·SVM 与神经网络的性能比较 | 第59-62页 |
| ·SVM 与神经网络的相似点 | 第59-60页 |
| ·神经网络的特点 | 第60-61页 |
| ·支持向量机的特点 | 第61-62页 |
| ·基于SVM 与BP 神经网络的感官评估模型 | 第62-64页 |
| ·小结 | 第64-65页 |
| 第七章 遗传算法与配方寻优 | 第65-71页 |
| ·遗传算法介绍 | 第65页 |
| ·遗传算法进行卷烟配方设计问题 | 第65-66页 |
| ·遗传算法用于卷烟配方优化及分析 | 第66-69页 |
| ·叶组配方优化设计 | 第69-70页 |
| ·小结 | 第70-71页 |
| 第八章 结论及展望 | 第71-74页 |
| ·结论 | 第71-72页 |
| ·展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 个人简历 | 第79页 |
| 攻读硕士学位期间完成的学术论文 | 第79页 |
