基于支持向量机的数字化昆虫鉴定
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| 1 选题背景和意义 | 第11页 |
| 2 昆虫自动鉴定关键技术 | 第11-14页 |
| ·昆虫图像的特征提取方法 | 第11-12页 |
| ·特征降维 | 第12-13页 |
| ·识别模型 | 第13-14页 |
| 3 本文结构安排 | 第14-15页 |
| 第二章 国内外研究现状分析 | 第15-22页 |
| 1 基于图像特征提取 | 第15-16页 |
| 2 基于内容的图像特征提取 | 第16-17页 |
| 3 基于局部特征特征提取 | 第17页 |
| 4 降维技术 | 第17-19页 |
| 5 本体方法 | 第19页 |
| 6 语义标注 | 第19-20页 |
| 7 对象识别技术 | 第20页 |
| 8 小结 | 第20-22页 |
| 第三章 基于特征选择的蝴蝶数值化自动鉴定 | 第22-32页 |
| 1 支持向量机数值鉴定模型建立 | 第22-29页 |
| ·数值特征提取 | 第23页 |
| ·鉴定模型构建 | 第23-26页 |
| ·支持向量机特征筛选 | 第26-29页 |
| ·支持向量机原理 | 第26-27页 |
| ·LIBSVM 2.8 | 第27-28页 |
| ·核函数选择 | 第28页 |
| ·数值特征筛选 | 第28-29页 |
| ·参比模型构建 | 第29页 |
| 2 结果与分析 | 第29-31页 |
| ·不同模型对蝴蝶鉴定精度的影响 | 第29页 |
| ·特征选择对蝴蝶鉴定精度的影响 | 第29-30页 |
| ·保留数值特征重要性 | 第30-31页 |
| 3 结论与讨论 | 第31-32页 |
| 第四章 有翅类昆虫自动鉴定 | 第32-37页 |
| 1 数据集与方法 | 第32-35页 |
| ·所用数据 | 第32页 |
| ·图像获取 | 第32页 |
| ·昆虫数学形态学特征提取 | 第32-35页 |
| ·建模过程 | 第35页 |
| 2 结果与分析 | 第35-36页 |
| ·目级阶元鉴定 | 第35页 |
| ·非线性特征选择结果 | 第35页 |
| ·总科级阶元鉴定 | 第35-36页 |
| ·非线性特征选择结果 | 第36页 |
| 3 小结 | 第36-37页 |
| 第五章 总结与展望 | 第37-39页 |
| 1 昆虫自动识别面临的问题 | 第37-38页 |
| ·图像特征噪音 | 第37页 |
| ·鉴定算法的普遍适用性 | 第37页 |
| ·完全自动化的问题 | 第37-38页 |
| 2 展望 | 第38-39页 |
| 参考文献 | 第39-43页 |
| 致谢 | 第43-44页 |
| 作者简历 | 第44页 |
