| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 概论 | 第9-12页 |
| ·选题背景及其研究意义 | 第9-10页 |
| ·选题背景 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·配方产品设计的行业现状 | 第10-11页 |
| ·论文主要研究内容 | 第11-12页 |
| 第二章 计算智能方法 | 第12-39页 |
| ·计算智能的发展及研究现状 | 第12-13页 |
| ·人工神经网络 | 第13-17页 |
| ·人工神经网络的基本原理 | 第13-15页 |
| ·BP 神经网络及其改进 | 第15-17页 |
| ·支持向量机 | 第17-26页 |
| ·统计学习理论 | 第17-21页 |
| ·支持向量机方法的基本思想 | 第21页 |
| ·最优超平面的求解 | 第21-22页 |
| ·线性不可分问题的求解 | 第22-23页 |
| ·基于核方法的非线性学习机 | 第23-24页 |
| ·支持向量机回归分析 | 第24-25页 |
| ·支持向量机方法的特点 | 第25-26页 |
| ·模糊信息扩散近似推理方法 | 第26-28页 |
| ·M5’模型树 | 第28-31页 |
| ·遗传算法 | 第31-32页 |
| ·多元统计分析 | 第32-38页 |
| ·统计量分析 | 第33-35页 |
| ·相关系数法 | 第35-37页 |
| ·主成分分析 | 第37-38页 |
| ·逐步回归分析 | 第38页 |
| ·小结 | 第38-39页 |
| 第三章 配方产品智能辅助设计 | 第39-62页 |
| ·配方产品智能辅助设计的技术体系 | 第40-42页 |
| ·智能辅助设计的工作流程 | 第40-41页 |
| ·计算智能方法的集成 | 第41页 |
| ·数据分析的方法体系 | 第41-42页 |
| ·数据描述 | 第42-43页 |
| ·数据特点——信息不完备性 | 第43-44页 |
| ·数据预处理 | 第44-46页 |
| ·智能感官评估 | 第46-52页 |
| ·基于BP 神经网络的智能感官评估模型 | 第48页 |
| ·基于SVM 的智能感官评估模型 | 第48-50页 |
| ·基于M5’模型树的智能感官评估模型 | 第50-52页 |
| ·相关性分析 | 第52-59页 |
| ·基于BP 网络知识提取的相关性分析方法 | 第52-55页 |
| ·基于模糊信息扩散的相关性分析方法——模糊散点图法 | 第55-57页 |
| ·基于传统统计分析的相关性分析方法 | 第57-59页 |
| ·总体差异性分析 | 第59-60页 |
| ·组合优化问题 | 第60-61页 |
| ·小结 | 第61-62页 |
| 第四章 计算智能技术在啤酒及其它行业的推广应用 | 第62-69页 |
| ·啤酒行业背景 | 第62页 |
| ·啤酒产品的感官评估问题 | 第62-63页 |
| ·啤酒泡沫问题 | 第63-67页 |
| ·啤酒泡沫的基本概念 | 第63-64页 |
| ·数据描述及数据特征 | 第64页 |
| ·计算智能方法的应用 | 第64-67页 |
| ·在其它行业推广应用的前景 | 第67-68页 |
| ·小结 | 第68-69页 |
| 第五章 结论及展望 | 第69-71页 |
| ·结论 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间完成的学术论文 | 第76页 |
| 攻读硕士期间申请专利 | 第76页 |