数据挖掘方法及其在农业中的应用（分社）

　　《数据挖掘方法及其在农业中的应用（分社）》是专门介绍数据挖掘方法应用在农业方面的著作，特别是作者多年来对支持向量机和神经网络建模方面的研究成果和实践经验的总结。该书比较系统地介绍了常用相关分析方法，支持向量机理论，基于支持向量机的涉农贷款风险预测，基于森林小气候的火险等级预警模型，水稻农业气象信息预警，神经网络模型，基于BP神经网络的生猪价格分析与预测。《数据挖掘方法及其在农业中的应用（分社）》可作为农业信息工程及相近专业研究生的教材，也可供从事农业信息技术和数据挖掘研究的科技工作者参考使用。

暂缺《数据挖掘方法及其在农业中的应用（分社）》作者简介

第1章 常用相关分析方法
1．1 图表相关分析
1．2 协方差分析
1．3 相关系数分析
1．4 灰色关联度分析
1．5 最小二乘法
1．5．1 曲线拟合的概念
1．5．2 最小二乘法的概念
1．5．3 最小二乘法的解
1．5．4 多项式最小二乘拟合
1．6 回归分析法
1．6．1 一元线性回归分析
1．6．2 多元回归分析
1．6．3 逐步回归分析
第2章 支持向量机理论
2．1 支持向量机概念
2．1．1 线性分类器
2．1．2 函数间隔与几何间隔
2．1．3 最大间隔分类器
2．1．4 函数的梯度
2．1．5 拉格朗日乘子法和KKT条件
2．1．6 对偶最优化问题求解的步骤
2．2 核函数方法
2．2．1 线性不可分的情况
2．2．2 核函数
2．2．3 几个常用核函数
2．3 带有松弛变量SⅥⅥ
2．4 对偶最优化问题的SMO算法概述
2．5 损失函数
2．6 支持向量机实现步骤
第3章 基于支持向量机的涉农贷款风险预测
3．1 “三农”贷款及风险分类
3．1．1 “三农”贷款概述
3．1．2 “三农”贷款风险
3．1．3 “三农”贷款风险分类预测研究概述
3．2 “三农”贷款及风险分类预测
3．2．1 基于支持向量机的“三农”贷款客户二分类
3．2．2 数据来源
3．2．3 主成分分析法
3．2．4 自变量筛选
3．2．5 支持向量机分类预测
3．2．6 贷款客户二分类结果分析
3．3 基于支持向量机的“三农”贷款风险五级分类预测
3．3．1 数据来源
3．3．2 自变量筛选
3．3．3 支持向量机预测
3．3．4 贷款风险五级分类预测结果分析
第4章 基于森林小气候的火险等级预警模型
4．1 森林小气候及森林火灾监测
4．2 森林对区域气候的影响规律
4．2．1 数据来源
4．2．2 气象因子的选择
4．2．3 空气温度观测数据及结果分析
4．2．4 空气相对湿度观测数据及结果分析
4．2．5 平均风速观测数据及结果分析
4．2．6 降水量观测数据及结果分析
4．3 火险等级预警模型的建立
4．3．1 气象因子的年际变化趋势
4．3．2 气象因子与森林火灾发生的关系
4．3．3 火险因子权重计算
4．3．4 森林火险天气等级预警模型
4．4 预报效果检验
第5章 水稻农业气象信息预警
5．1 研究背景
5．1．1 农业气象灾害预警系统研究
……
第6章 神经网络模型
第7章 基于BP神经网络的生猪价格分析与预测