基于模式识别方法的葡萄酒质量预测研究--分类与聚类算法的结合应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 1 绪论 | 第10-13页 |
| ·背景介绍 | 第10-11页 |
| ·本文要解决的问题 | 第11页 |
| ·本文的主要工作 | 第11-12页 |
| ·本文组织结构 | 第12-13页 |
| 2 模式识别方法 | 第13-29页 |
| ·模式识别 | 第13-16页 |
| ·模式识别方法 | 第14-15页 |
| ·模式识别工程 | 第15-16页 |
| ·训练和测试 | 第16页 |
| ·模式识别的应用 | 第16-17页 |
| ·模式识别的基本问题 | 第17-19页 |
| ·距离度量 | 第17-18页 |
| ·数据规范化 | 第18页 |
| ·数据离散化 | 第18-19页 |
| ·监督分类算法 | 第19-24页 |
| ·什么是分类 | 第19-20页 |
| ·如何进行分类 | 第20-21页 |
| ·关于分类和预测的问题 | 第21-22页 |
| ·KNN分类算法 | 第22-24页 |
| ·非监督聚类算法 | 第24-28页 |
| ·什么是聚类 | 第24-25页 |
| ·K-Means聚类算法 | 第25-28页 |
| ·模式识别算法优化方案 | 第28页 |
| ·本章小结 | 第28-29页 |
| 3 模式识别实验证明 | 第29-39页 |
| ·实验数据-UCI数据集 | 第29-31页 |
| ·实验运行环境 | 第31页 |
| ·KNN预测 | 第31-34页 |
| ·KNN+K-MEANS预测 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 4 分析和讨论 | 第39-50页 |
| ·实验参数设置 | 第39页 |
| ·KNN运算结果分析 | 第39-41页 |
| ·KNN + K-MEANS运算结果分析 | 第41-49页 |
| ·为什么会出现误差 | 第42-44页 |
| ·时间效率比较 | 第44-49页 |
| ·本章小结 | 第49-50页 |
| 5 葡萄酒质量分析系统设计与实现 | 第50-63页 |
| ·质量分析系统的总体设计 | 第50-54页 |
| ·系统架构 | 第51-53页 |
| ·软件架构 | 第53-54页 |
| ·系统开发平台 | 第54-55页 |
| ·功能模块设计 | 第55-57页 |
| ·算法模块详细设计 | 第57-61页 |
| ·KNN分类算法模块 | 第57-59页 |
| ·KNN+K-Means算法模块 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 6 质量分析系统运行 | 第63-68页 |
| ·系统运行环境 | 第63页 |
| ·系统工作流程 | 第63-64页 |
| ·系统运行 | 第64-67页 |
| ·数据源管理 | 第64-66页 |
| ·数据预处理 | 第66页 |
| ·模式识别——葡萄酒质量分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 7 总结和展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-72页 |
| 致谢 | 第72-73页 |
| 攻读学位期间发表的学术论文目录 | 第73-76页 |
| 附件 | 第76页 |
