首页--工业技术论文--轻工业、手工业论文--烟草工业论文--产品标准与检验论文

基于先验知识的卷烟感官评吸指标预测方法

摘要第5-7页
Abstract第7-8页
第1章 绪论第12-18页
    1.1 课题来源与选题背景第12-13页
    1.2 课题研究的目的和意义第13-14页
    1.3 研究目标与内容第14-15页
    1.4 研究的技术路线与方法第15页
    1.5 论文结构安排第15-18页
第2章 相关理论与研究综述第18-28页
    2.1 卷烟相关知识第18-23页
        2.1.1 烟叶的分类及特第18-20页
        2.1.2 烟叶的物化特性第20-21页
        2.1.3 烟叶感官评吸方法第21-23页
    2.2 感官评估预测第23-25页
        2.2.1 卷烟感官评估预测相关研究第23-24页
        2.2.2 类似产品的感官评估预测研究第24-25页
    2.3 结合先验知识的预测方法第25-27页
    2.4 本章小结第27-28页
第3章 卷烟知识的表示与获取第28-42页
    3.1 引言第28页
    3.2 数据来源及描述第28-34页
        3.2.1 数据来源第28-29页
        3.2.2 数据离散化第29-34页
    3.3 基于ID3决策树的知识获取方法第34-40页
        3.3.1 ID3决策树算法第34-36页
        3.3.2 基于ID3决策树的卷烟知识获取第36-37页
        3.3.3 极大极小化规则约简第37-40页
    3.4 基于相关性分析的卷烟知识获取方法第40-41页
    3.5 本章小结第41-42页
第4章 基于先验知识的神经网络卷烟感官指标预测方法第42-56页
    4.1 引言第42页
    4.2 基于BP神经网络的卷烟感官指标预测模型第42-46页
        4.2.1 人工神经网络第42-43页
        4.2.2 BP神经网络第43-45页
        4.2.3 基于BP神经网络的卷烟感官指标预测模型设计第45-46页
    4.3 基于KBANN的卷烟感官指标预测模型第46-49页
        4.3.1 KBANN算法第46-48页
        4.3.2 基于KBANN的卷烟感官指标预测模型设计第48-49页
    4.4 基于RAPTURE的卷烟感官指标预测模型设计第49页
    4.5 数据实验第49-54页
        4.5.1 算法性能指标第49-50页
        4.5.2 基于BP神经网络的卷烟感官指标预测模型第50-51页
        4.5.3 基于KBANN的卷烟感官指标预测模型第51-53页
        4.5.4 基于RAPTURE的卷烟感官指标预测模型第53页
        4.5.5 神经网络、KBANN和RAPTURE的实验结果比较第53-54页
    4.6 本章小结第54-56页
第5章 基于先验知识的贝叶斯网络卷烟感官指标预测方法第56-70页
    5.1 引言第56页
    5.2 贝叶斯网络卷烟感官指标预测模型第56-61页
        5.2.1 贝叶斯网络的描述第56-57页
        5.2.2 贝叶斯网络的类型第57-58页
        5.2.3 贝叶斯网络的学习第58-59页
        5.2.4 基于贝叶斯网络的卷烟感官指标预测模型设计第59-61页
    5.3 基于先验知识的贝叶斯网络卷烟感官预测模型第61-62页
        5.3.1 基于先验知识的贝叶斯网络第61页
        5.3.2 基于先验知识的贝叶斯网络卷烟感官评吸预测模型设计第61-62页
    5.4 数据实验第62-68页
        5.4.1 贝叶斯网络卷烟感官指标预测模型第62-64页
        5.4.2 基于先验知识的贝叶斯网络卷烟感官指标预测模型第64页
        5.4.3 贝叶斯网络与基于先验知识的贝叶斯网络的实验结果比较第64-67页
        5.4.4 基于先验知识的贝叶斯网络与基于先验知识的神经网络的实验结果比较第67-68页
    5.5 本章小结第68-70页
第6章 总结与展望第70-72页
    6.1 论文工作总结第70页
    6.2 未来研究工作展望第70-72页
参考文献第72-76页
致谢第76-78页
攻读硕士期间参加课题及获奖情况第78页
    1. 参加课题第78页
    2. 获奖情况第78页

论文共78页,点击 下载论文
上一篇:烟草加工企业火灾爆炸危险性分析与控制
下一篇:铜精矿直接还原技术研究