基于数据挖掘的葡萄酒质量鉴别研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-11页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 国内外研究现状及分析 | 第8-9页 |
| 1.3 论文研究内容 | 第9-10页 |
| 1.4 论文组织结构 | 第10页 |
| 1.5 本章小结 | 第10-11页 |
| 第二章 人工葡萄酒质量识别 | 第11-14页 |
| 2.1 葡萄酒包装识别 | 第11页 |
| 2.2 葡萄酒品尝识别 | 第11-13页 |
| 2.3 本章小结 | 第13-14页 |
| 第三章 数据挖掘的分类算法原理 | 第14-22页 |
| 3.1 KNN算法 | 第14-15页 |
| 3.2 LOGISTIC回归 | 第15-16页 |
| 3.3 BP神经网络 | 第16-17页 |
| 3.4 支持向量机 | 第17-20页 |
| 3.5 算法比较 | 第20-21页 |
| 3.6 本章小结 | 第21-22页 |
| 第四章 基于数据挖掘的葡萄酒质量鉴别 | 第22-35页 |
| 4.1 数据来源 | 第22页 |
| 4.2 原始数据预处理 | 第22-26页 |
| 4.3 葡萄酒品质鉴定建模 | 第26-27页 |
| 4.4 葡萄酒的KNN算法分类模型 | 第27页 |
| 4.5 葡萄酒的LOGISTIC多项回归分类模型 | 第27-30页 |
| 4.6 葡萄酒的BP神经网络分类模型 | 第30-32页 |
| 4.7 葡萄酒的支持向量机分类模型 | 第32-33页 |
| 4.7.1 SVM算法模型 | 第32页 |
| 4.7.2 SVM和PSVM算法比较 | 第32-33页 |
| 4.8 分类器模型分类结果 | 第33-34页 |
| 4.9 本章小结 | 第34-35页 |
| 第五章 葡萄酒不平衡数据处理 | 第35-43页 |
| 5.1 不平衡数据问题 | 第35页 |
| 5.2 SMOTE算法 | 第35-38页 |
| 5.2.1 算法原理 | 第35-36页 |
| 5.2.2 葡萄酒不平衡数据处理和模型重建 | 第36-38页 |
| 5.3 随机漫步算法 | 第38-40页 |
| 5.3.1 算法原理 | 第38页 |
| 5.3.2 葡萄酒不平衡数据处理和模型重建 | 第38-40页 |
| 5.4 基于BAGGING的支持向量机进一步优化 | 第40-42页 |
| 5.4.1 算法原理 | 第40-41页 |
| 5.4.2 葡萄酒SVM分类模型重建 | 第41-42页 |
| 5.5 本章小结 | 第42-43页 |
| 第六章 总结与展望 | 第43-45页 |
| 6.1 总结 | 第43-44页 |
| 6.2 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
| 个人简介 | 第49页 |
