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

第1章 常用相關分析方法
1．1 圖表相關分析
1．2 協(xié)方差分析
1．3 相關系數(shù)分析
1．4 灰色關聯(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 支持向量機理論
2．1 支持向量機概念
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 支持向量機實現(xiàn)步驟
第3章 基于支持向量機的涉農(nóng)貸款風險預測
3．1 “三農(nóng)”貸款及風險分類
3．1．1 “三農(nóng)”貸款概述
3．1．2 “三農(nóng)”貸款風險
3．1．3 “三農(nóng)”貸款風險分類預測研究概述
3．2 “三農(nóng)”貸款及風險分類預測
3．2．1 基于支持向量機的“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 支持向量機分類預測
3．2．6 貸款客戶二分類結果分析
3．3 基于支持向量機的“三農(nóng)”貸款風險五級分類預測
3．3．1 數(shù)據(jù)來源
3．3．2 自變量篩選
3．3．3 支持向量機預測
3．3．4 貸款風險五級分類預測結果分析
第4章 基于森林小氣候的火險等級預警模型
4．1 森林小氣候及森林火災監(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)及結果分析
4．2．4 空氣相對濕度觀測數(shù)據(jù)及結果分析
4．2．5 平均風速觀測數(shù)據(jù)及結果分析
4．2．6 降水量觀測數(shù)據(jù)及結果分析
4．3 火險等級預警模型的建立
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發(fā)生的關系
4．3．3 火險因子權重計算
4．3．4 森林火險天氣等級預警模型
4．4 預報效果檢驗
第5章 水稻農(nóng)業(yè)氣象信息預警
5．1 研究背景
5．1．1 農(nóng)業(yè)氣象災害預警系統(tǒng)研究
……
第6章 神經(jīng)網(wǎng)絡模型
第7章 基于BP神經(jīng)網(wǎng)絡的生豬價格分析與預測