基于机器学习方法的地理标志大米产地确证技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景 | 第8页 |
| 1.2 大米产地确证国内外研究现状 | 第8-10页 |
| 1.3 随机森林 | 第10-12页 |
| 1.4 支持向量机 | 第12-16页 |
| 1.5 研究思路 | 第16-17页 |
| 第二章 材料与方法 | 第17-23页 |
| 2.1 样本收集与处理 | 第17页 |
| 2.2 矿物质元素测定 | 第17-18页 |
| 2.3 数据处理 | 第18-19页 |
| 2.4 研究方法 | 第19-23页 |
| 第三章 随机森林模型 | 第23-28页 |
| 3.1 构建训练集与测试集 | 第23页 |
| 3.2 建立随机森林模型 | 第23-26页 |
| 3.3 结果与讨论 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 支持向量机模型 | 第28-36页 |
| 4.1 构建训练集与测试集 | 第28页 |
| 4.2 支持向量机核函数 | 第28页 |
| 4.3 建立支持向量机模型 | 第28-34页 |
| 4.4 结果与讨论 | 第34-35页 |
| 4.5 本章小结 | 第35-36页 |
| 第五章 模型比较 | 第36-40页 |
| 5.1 线性判别模型建立 | 第36-37页 |
| 5.2 模型精度与泛化能力比较 | 第37-38页 |
| 5.3 模型过拟合程度比较 | 第38-39页 |
| 5.4 模型构建代价比较 | 第39页 |
| 5.5 本章小结 | 第39-40页 |
| 结论 | 第40-41页 |
| 参考文献 | 第41-44页 |
| 作者简介 | 第44-45页 |
| 致谢 | 第45页 |
