| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与研究意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 本文的主要工作 | 第16页 |
| 1.4 文章的组织结构 | 第16-18页 |
| 第2章 相关背景及技术介绍 | 第18-29页 |
| 2.1 食物寒热传统分辨方法 | 第18-19页 |
| 2.2 数据收集及处理方法 | 第19-22页 |
| 2.2.1 数据爬取 | 第19-21页 |
| 2.2.2 数据填充 | 第21-22页 |
| 2.3 特征选择 | 第22-24页 |
| 2.3.1 单因素方差分析 | 第22-23页 |
| 2.3.2 遗传算法 | 第23-24页 |
| 2.4 机器学习分类方法 | 第24-28页 |
| 2.4.1 支持向量机 | 第24-25页 |
| 2.4.2 集成学习 | 第25-27页 |
| 2.4.3 深度学习 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 食物寒热属性分类器 | 第29-40页 |
| 3.1 实验整体流程 | 第29-30页 |
| 3.2 相关数据收集 | 第30-33页 |
| 3.2.1 寒热食物收集 | 第30页 |
| 3.2.2 中国食物成分表数据集U | 第30-31页 |
| 3.2.3 SelfNutritionData数据集U | 第31-33页 |
| 3.2.4 实验抽取最优子数据集U | 第33页 |
| 3.3 数据预处理 | 第33-35页 |
| 3.3.1 数据过滤 | 第33-34页 |
| 3.3.2 FLk-NN填充方法 | 第34-35页 |
| 3.4 特征选择 | 第35-36页 |
| 3.5 分类建模 | 第36-39页 |
| 3.5.1 分类方法 | 第36-39页 |
| 3.5.2 优化方法 | 第39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 实验结果分析与应用 | 第40-51页 |
| 4.1 单因素方差分析结果 | 第40-42页 |
| 4.2 分类算法结果展示 | 第42-47页 |
| 4.3 结果讨论 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 食物寒热属性自助查询系统 | 第51-55页 |
| 5.1 系统流程 | 第51-52页 |
| 5.2 模块设计 | 第52页 |
| 5.3 页面展示 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 作者简介及在学期间所取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |