數(shù)據(jù)挖掘方法及其在農(nóng)業(yè)中的應(yīng)用（分社）

第1章 常用相關(guān)分析方法
1．1 圖表相關(guān)分析
1．2 協(xié)方差分析
1．3 相關(guān)系數(shù)分析
1．4 灰色關(guān)聯(lián)度分析
1．5 最小二乘法
1．5．1 曲線擬合的概念
1．5．2 最小二乘法的概念
1．5．3 最小二乘法的解
1．5．4 多項式最小二乘擬合
1．6 回歸分析法
1．6．1 一元線性回歸分析
1．6．2 多元回歸分析
1．6．3 逐步回歸分析
第2章 支持向量機(jī)理論
2．1 支持向量機(jī)概念
2．1．1 線性分類器
2．1．2 函數(shù)間隔與幾何間隔
2．1．3 最大間隔分類器
2．1．4 函數(shù)的梯度
2．1．5 拉格朗日乘子法和KKT條件
2．1．6 對偶最優(yōu)化問題求解的步驟
2．2 核函數(shù)方法
2．2．1 線性不可分的情況
2．2．2 核函數(shù)
2．2．3 幾個常用核函數(shù)
2．3 帶有松弛變量SⅥⅥ
2．4 對偶最優(yōu)化問題的SMO算法概述
2．5 損失函數(shù)
2．6 支持向量機(jī)實現(xiàn)步驟
第3章 基于支持向量機(jī)的涉農(nóng)貸款風(fēng)險預(yù)測
3．1 “三農(nóng)”貸款及風(fēng)險分類
3．1．1 “三農(nóng)”貸款概述
3．1．2 “三農(nóng)”貸款風(fēng)險
3．1．3 “三農(nóng)”貸款風(fēng)險分類預(yù)測研究概述
3．2 “三農(nóng)”貸款及風(fēng)險分類預(yù)測
3．2．1 基于支持向量機(jī)的“三農(nóng)”貸款客戶二分類
3．2．2 數(shù)據(jù)來源
3．2．3 主成分分析法
3．2．4 自變量篩選
3．2．5 支持向量機(jī)分類預(yù)測
3．2．6 貸款客戶二分類結(jié)果分析
3．3 基于支持向量機(jī)的“三農(nóng)”貸款風(fēng)險五級分類預(yù)測
3．3．1 數(shù)據(jù)來源
3．3．2 自變量篩選
3．3．3 支持向量機(jī)預(yù)測
3．3．4 貸款風(fēng)險五級分類預(yù)測結(jié)果分析
第4章 基于森林小氣候的火險等級預(yù)警模型
4．1 森林小氣候及森林火災(zāi)監(jiān)測
4．2 森林對區(qū)域氣候的影響規(guī)律
4．2．1 數(shù)據(jù)來源
4．2．2 氣象因子的選擇
4．2．3 空氣溫度觀測數(shù)據(jù)及結(jié)果分析
4．2．4 空氣相對濕度觀測數(shù)據(jù)及結(jié)果分析
4．2．5 平均風(fēng)速觀測數(shù)據(jù)及結(jié)果分析
4．2．6 降水量觀測數(shù)據(jù)及結(jié)果分析
4．3 火險等級預(yù)警模型的建立
4．3．1 氣象因子的年際變化趨勢
4．3．2 氣象因子與森林火災(zāi)發(fā)生的關(guān)系
4．3．3 火險因子權(quán)重計算
4．3．4 森林火險天氣等級預(yù)警模型
4．4 預(yù)報效果檢驗
第5章 水稻農(nóng)業(yè)氣象信息預(yù)警
5．1 研究背景
5．1．1 農(nóng)業(yè)氣象災(zāi)害預(yù)警系統(tǒng)研究
……
第6章 神經(jīng)網(wǎng)絡(luò)模型
第7章 基于BP神經(jīng)網(wǎng)絡(luò)的生豬價格分析與預(yù)測