| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| Abbreviations | 第12-13页 |
| CHAPTER 1:INTRODUCTION | 第13-18页 |
| 1.1 Background | 第13-14页 |
| 1.2 Motivation | 第14-15页 |
| 1.3 Contribution | 第15-16页 |
| 1.4 Problem definition and research objectives | 第16页 |
| 1.5 Structure of the thesis | 第16-18页 |
| CHAPTER 2:LITERATURE REVIEW | 第18-35页 |
| 2.1 Overview | 第18页 |
| 2.2 Food and culture | 第18-19页 |
| 2.3 Food and Social life | 第19-21页 |
| 2.4 Food and Price | 第21页 |
| 2.5 The contribution of food in tourism's field | 第21-23页 |
| 2.6 Food Engineering | 第23-24页 |
| 2.7 Consumer behavior model with respect to food | 第24-25页 |
| 2.8 Criterion of food preference | 第25-26页 |
| 2.9 Mathematical model of food's flavors | 第26-34页 |
| 2.9.1 Graph theory and fundamental concepts | 第26-32页 |
| 2.9.1.1 Types of graphs | 第28-29页 |
| 2.9.1.2 Classes of graphs | 第29-30页 |
| 2.9.1.3 Bipartite graphs | 第30-31页 |
| 2.9.1.4 Ingredient-flavor network | 第31-32页 |
| 2.9.2 Cuisines classification problem | 第32-34页 |
| 2.10 Conclusion | 第34-35页 |
| CHAPTER 3:METHODOLOGIES | 第35-64页 |
| 3.1. Overview | 第35页 |
| 3.2 Logistic Regression | 第35-45页 |
| 3.2.1 Generative model | 第37-38页 |
| 3.2.2 Two class Discrimination | 第38-42页 |
| 3.2.3 Binary logistic regression | 第42-44页 |
| 3.2.4 Multinomial logistic regression | 第44-45页 |
| 3.3 Support Vector Machine | 第45-57页 |
| 3.3.1 Linear Discriminants | 第47-48页 |
| 3.3.2 Margin function | 第48-50页 |
| 3.3.3 Soft-SVM and Norm Regularization | 第50-51页 |
| 3.3.4 Overlapping class distributions | 第51-52页 |
| 3.3.5 Multiclass SVMs | 第52-57页 |
| 3.3.5.1 One versus all SVM | 第52-53页 |
| 3.3.5.2 One Vs one support vector machines | 第53-54页 |
| 3.3.5.3 K-class support vector machines | 第54-57页 |
| 3.3.5.3.1 Polynomial kernel | 第55-56页 |
| 3.3.5.3.2 Normalized polynomial kernel | 第56页 |
| 3.3.5.3.3 Pearson VII universal kernel (PUK) | 第56页 |
| 3.3.5.3.4 The Radial Basis Function Kernel (RBF) | 第56-57页 |
| 3.4 Artificial Neural Network | 第57-62页 |
| 3.4.1 Multi-Layer Perceptron | 第60-62页 |
| 3.4.2 Neural network used for classifying Problem | 第62页 |
| 3.5 Conclusion | 第62-64页 |
| CHAPTER 4:RESULTS AND DISCUSSION | 第64-83页 |
| 4.1 Overview | 第64页 |
| 4.2 Data collection and formatting | 第64-66页 |
| 4.3 Model testing | 第66-68页 |
| 4.3.1 Training and Test Set | 第66-67页 |
| 4.3.2 Test and Validation Set | 第67-68页 |
| 4.4 Accuracy | 第68-69页 |
| 4.5 Roc Curve | 第69-71页 |
| 4.6 Recall | 第71页 |
| 4.7 Precision | 第71-72页 |
| 4.8 Confusion Matrix | 第72-73页 |
| 4.9 Evaluation Numeric Prediction | 第73-74页 |
| 4.10 Means squared error | 第74页 |
| 4.11 Means absolute error | 第74-75页 |
| 4.12 Experimental results | 第75-83页 |
| 4.12.1 Computation steps of each algorithm | 第75-77页 |
| 4.12.1.1 Support Vector Machine Implementation | 第75-76页 |
| 4.12.1.2 Neuronal network Implementation | 第76-77页 |
| 4.12.1.3 Logistic regression | 第77页 |
| 4.12.2 Discussion | 第77-83页 |
| CHAPTER 5:CONCLUSION AND FUTURE WORK | 第83-85页 |
| 5.1 Conclusion | 第83-84页 |
| 5.2 Future work | 第84-85页 |
| References | 第85-92页 |
| Publication | 第92-93页 |
| Acknowledgements | 第93-94页 |
| Dedication | 第94页 |
