基于回归分析的猪繁殖生产预测研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 猪繁殖生产预测工作的研究背景和现状 | 第13-15页 |
| 1.1.1 猪繁殖生产预测工作的研究背景 | 第13-14页 |
| 1.1.2 猪繁殖生产预测工作的研究现状 | 第14-15页 |
| 1.2 研究基础 | 第15-16页 |
| 1.2.1 机器学习 | 第15页 |
| 1.2.2 数据挖掘 | 第15-16页 |
| 1.3 研究的目的和意义 | 第16-17页 |
| 1.4 本文主要工作 | 第17-19页 |
| 第二章 猪繁殖生产预测数据的特征选择与处理 | 第19-25页 |
| 2.1 猪繁殖生产预测特征选择 | 第19-22页 |
| 2.1.1 猪繁殖生产预测指标影响因素 | 第19-20页 |
| 2.1.2 猪繁殖生产预测指标控制点 | 第20-22页 |
| 2.2 PSY计算方式 | 第22-23页 |
| 2.3 猪繁殖生产预测数据预处理 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于回归分析模型的猪繁殖生产预测方法 | 第25-43页 |
| 3.1 回归分析技术在猪繁殖生产预测的应用 | 第25-26页 |
| 3.2 基于最小二乘法的猪繁殖生产预测数据挖掘 | 第26-28页 |
| 3.3 基于BP神经网络的猪繁殖生产预测数据挖掘 | 第28-33页 |
| 3.3.1 神经网络 | 第28-29页 |
| 3.3.2 感知器 | 第29-30页 |
| 3.3.3 BP算法 | 第30-33页 |
| 3.4 基于决策树的猪繁殖生产预测数据挖掘 | 第33-35页 |
| 3.4.1 基于决策树的M5P算法 | 第33-34页 |
| 3.4.2 基于决策树的随机森林算法 | 第34-35页 |
| 3.5 基于支持向量机的猪繁殖生产预测数据挖掘 | 第35-38页 |
| 3.6 基于遗传算法的猪繁殖生产预测数据挖掘 | 第38-40页 |
| 3.7 基于多预测器融合的猪繁殖生产预测数据挖掘 | 第40-42页 |
| 3.7.1 模型训练阶段 | 第40-41页 |
| 3.7.2 加权融合阶段 | 第41-42页 |
| 3.8 本章小结 | 第42-43页 |
| 第四章 实验分析 | 第43-63页 |
| 4.1 实验环境 | 第43-44页 |
| 4.1.1 实验数据 | 第43页 |
| 4.1.2 评估指标 | 第43-44页 |
| 4.2 不同回归算法结果分析 | 第44-57页 |
| 4.2.1 基于最小二乘法 | 第44-45页 |
| 4.2.2 基于BP神经网络 | 第45-48页 |
| 4.2.3 基于M5P | 第48-49页 |
| 4.2.4 基于随机森林 | 第49-52页 |
| 4.2.5 基于支持向量机 | 第52-53页 |
| 4.2.6 基于遗传算法 | 第53-54页 |
| 4.2.7 各回归分析模型结果比较 | 第54-56页 |
| 4.2.8 基于多预测器融合策略 | 第56-57页 |
| 4.3 胎龄结构对PSY的影响 | 第57-58页 |
| 4.4 哺乳死亡率对PSY的影响 | 第58-60页 |
| 4.5 配种分娩率对PSY的影响 | 第60-61页 |
| 4.6 胎龄结构空缺值实验结果 | 第61-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 应用成果 | 第63-71页 |
| 5.1 猪OK管理平台介绍 | 第63-65页 |
| 5.2 基于PC端开发繁殖生产预测模块 | 第65页 |
| 5.3 基于猪OK管理平台开发繁殖生产预测模块 | 第65-67页 |
| 5.4 繁殖生产预测模块实际应用场景 | 第67-68页 |
| 5.5 本章小结 | 第68-71页 |
| 第六章 总结与展望 | 第71-75页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79页 |
