| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 存在问题及解决方法 | 第15-16页 |
| 1.4 论文研究内容及构成 | 第16-18页 |
| 第2章 烟草品质评价原理与方案 | 第18-28页 |
| 2.1 烟草的质量评价 | 第18-21页 |
| 2.1.1 烟草的内在质量评价 | 第19页 |
| 2.1.2 烟草的风味成分 | 第19-20页 |
| 2.1.3 味感理论 | 第20-21页 |
| 2.2 烟草中的化学成分 | 第21-23页 |
| 2.3 化学成分与烟叶内在质量的关系 | 第23-24页 |
| 2.4 评价烟草内在质量的化学指标 | 第24-25页 |
| 2.5 烟草品质集成分类方法 | 第25-27页 |
| 2.5.1 系统结构 | 第25-26页 |
| 2.5.2 算法原理 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于优化模糊聚类的烟草品质基类分类算法 | 第28-38页 |
| 3.1 聚类算法概述 | 第28-29页 |
| 3.2 模糊聚类分析算法 | 第29-31页 |
| 3.2.1 模糊矩阵 | 第30-31页 |
| 3.2.2 模糊聚类分析 | 第31页 |
| 3.3 萤火虫群优化算法 | 第31-35页 |
| 3.3.1 解的构造及初始解 | 第33页 |
| 3.3.2 萤火虫位置的更新 | 第33-34页 |
| 3.3.3 不可行解的处理 | 第34页 |
| 3.3.4 萤火虫个体间距离计算公式 | 第34-35页 |
| 3.4 基于萤火虫群优化算法的模糊聚类分析算法 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第4章 基于AdaBoost的烟草品质集成分类算法 | 第38-46页 |
| 4.1 集成分类算法概述 | 第38-39页 |
| 4.2 Boosting算法与Bagging算法简介 | 第39-40页 |
| 4.3 AdaBoost算法理论分析 | 第40-41页 |
| 4.4 基于AdaBoost的集成分类 | 第41-44页 |
| 4.4.1 模型权重计算 | 第43页 |
| 4.4.2 样本权重计算 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 系统仿真与实验 | 第46-58页 |
| 5.1 系统仿真过程 | 第46-49页 |
| 5.1.1 仿真过程设计方案 | 第46-47页 |
| 5.1.2 仿真过程总体架构 | 第47-48页 |
| 5.1.3 烟草化学成分数据库设计 | 第48-49页 |
| 5.2 算法实现与时间复杂度分析 | 第49-52页 |
| 5.2.1 萤火虫群优化模糊聚类算法与分析 | 第49-51页 |
| 5.2.2 AdaBoost集成分类算法与分析 | 第51-52页 |
| 5.3 烟草样本数据选取 | 第52-54页 |
| 5.4 实验结果与分析 | 第54-57页 |
| 5.4.1 萤火虫群优化模糊聚类算法仿真结果与分析 | 第54-55页 |
| 5.4.2 AdaBoost集成分类仿真结果与分析 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第6章 结论与展望 | 第58-62页 |
| 6.1 结论 | 第58-59页 |
| 6.2 展望 | 第59-62页 |
| 参考文献 | 第62-66页 |
| 作者攻读学位期间的科研成果 | 第66-68页 |
| 致谢 | 第68页 |
