首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

生猪行情数据挖掘预测与可视化

摘要第4-5页
Abstract第5-6页
第1章 绪论第13-17页
    1.1 项目背景与意义第13-15页
    1.2 本文的主要工作第15页
    1.3 论文章节安排第15-16页
    1.4 本章小结第16-17页
第2章 相关理论与技术介绍第17-27页
    2.1 机器学习回归算法第17-18页
        2.1.1 线性回归第17页
        2.1.2 多项式回归第17页
        2.1.3 岭回归第17-18页
        2.1.4 LASSO第18页
    2.2 人工神经网络第18-21页
        2.2.1 神经网络的特点第19页
        2.2.2 神经网络的训练方法第19页
        2.2.3 循环神经网络(RNN)第19-21页
    2.3 缺失数据填充算法第21-22页
        2.3.1 SVD算法第21-22页
    2.4 数据可视化第22-23页
        2.4.1 数据可视化概念第22页
        2.4.2 数据可视化工具第22-23页
    2.5 Web工程第23-26页
        2.5.1 面向服务的体系结构第23-24页
        2.5.2 Spring Boot Web框架第24页
        2.5.3 编程语言第24-25页
        2.5.4 消息中间件第25-26页
        2.5.5 数据库技术第26页
    2.6 本章小结第26-27页
第3章 生猪价格采集模型第27-49页
    3.1 问题描述第27-28页
    3.2 数据预处理第28-33页
        3.2.1 数据格式第28页
        3.2.2 数据格式转换第28-29页
        3.2.3 数据存储第29-30页
        3.2.4 数据查询接口第30-33页
    3.3 基于回归的生猪价格采集模型第33-35页
        3.3.1 基于线性回归的价格采集模型第33页
        3.3.2 基于岭回归的价格采集模型第33-34页
        3.3.3 基于LASSO回归的价格采集模型第34-35页
        3.3.4 实验结果第35页
    3.4 人工神经网络第35-47页
        3.4.1 神经网络训练算法第36-38页
        3.4.2 输入特征和网络参数介绍第38-41页
        3.4.3 网络输入特征和参数选择第41-43页
        3.4.4 实验结果与分析第43-47页
    3.5 模型比较第47-48页
    3.6 本章小结第48-49页
第4章 生猪价格空缺填充模型第49-56页
    4.1 生猪价格空缺模型概述第49页
    4.2 算法描述第49-51页
    4.3 模型参数设置与优化第51-52页
        4.3.1 矩阵长宽的确定第51页
        4.3.2 模型初始值的确定第51-52页
    4.4 实验结果与分析第52-54页
    4.5 本章小结第54-56页
第5章 生猪价格预测模型第56-66页
    5.1 生猪价格预测模型概述第56页
    5.2 回归模型第56-60页
        5.2.1 回归模型选择第56-57页
        5.2.2 模型改进与优化第57-60页
    5.3 循环神经网络第60-64页
        5.3.1 模型结构第60-61页
        5.3.2 模型参数设置第61-62页
        5.3.3 防止过拟合第62页
        5.3.4 实验结果第62-64页
        5.3.5 误差分析第64页
    5.4 模型对比第64-65页
    5.5 本章小结第65-66页
第6章 生猪价格数据可视化系统第66-83页
    6.1 系统整体设计第66-68页
    6.2 数据层第68-71页
        6.2.1 数据接入服务设计第68-69页
        6.2.2 数据库表的设计第69-70页
        6.2.3 数据库优化第70-71页
    6.3 数据处理层第71-72页
        6.3.1 数据库连接和查询第71页
        6.3.2 数据查询结果格式转换第71-72页
        6.3.3 数据缓存第72页
    6.4 控制层第72-73页
        6.4.1 请求接收和映射第72-73页
        6.4.2 封装返回数据第73页
        6.4.3 日志记录功能第73页
    6.5 请求层第73-76页
        6.5.1 点击事件处理第73-75页
        6.5.2 发送请求第75-76页
        6.5.3 处理返回数据第76页
    6.6 展示层第76-79页
        6.6.1 主页面第77-78页
        6.6.2 省份页面第78-79页
        6.6.3 历史数据页面第79页
    6.7 系统展示第79-82页
        6.7.1 主页面第79-80页
        6.7.2 省份价格页面第80-81页
        6.7.3 历史记录页面第81-82页
    6.8 本章小结第82-83页
第7章 总结与展望第83-85页
    7.1 全文总结第83-84页
    7.2 未来工作及展望第84-85页
参考文献第85-88页
攻读硕士学位期间主要的研究成果第88-89页
致谢第89页

论文共89页,点击 下载论文
上一篇:基于红外图像的变电站设备识别与热状态监测系统研究
下一篇:SPAUN-V:大脑仿真系统SPAUN的视觉感知增强设计与实现