首页--农业科学论文--植物保护论文--病虫害及其防治论文--植物虫害及其防治论文

基于SVM的昆虫声音识别与驱蚊剂定量构效关系

摘要第4-5页
abstract第5-6页
第一章 绪论第9-21页
    1.1 引言第9-10页
    1.2 支持向量机介绍第10-16页
        1.2.1 支持向量机分类(Support Vector Classify,SVC)第10-11页
        1.2.2 支持向量机回归(support vector regression,SVR)第11页
        1.2.3 SVM训练算法第11-13页
        1.2.4 SVM的优缺点第13页
        1.2.5 基于Python的LIBSVM简介第13-16页
    1.3 昆虫声音信号研究进展第16-18页
        1.3.1 昆虫的发声机制第16页
        1.3.2 昆虫声音信号的特征第16页
        1.3.3 昆虫声音信号的分析第16-18页
        1.3.4 昆虫声音信号的应用第18页
    1.4 蚊虫驱避剂定量构效关系研究进展第18-19页
        1.4.1 含氮驱避剂的QSAR研究第18-19页
        1.4.2 萜类驱避剂的QSAR研究第19页
    1.5 本文章节安排第19-20页
    1.6 本文主要创新点第20-21页
第二章 支持向量机分类在昆虫声音信号识别中的应用第21-31页
    2.1 引言第21页
    2.2 数据与方法第21-28页
        2.2.1 数据来源第21页
        2.2.2 昆虫声音特征提取第21-26页
        2.2.3 高维特征筛选-二元矩阵重排过滤器(BMSF)第26-27页
        2.2.4 多分类样本集转化为二分类样本集第27页
        2.2.5 独立预测与简单投票决策第27-28页
    2.3 结果与分析第28-29页
    2.4 结论与讨论第29-31页
第三章 支持向量机回归在驱蚊剂非线性定量构效关系中的应用第31-41页
    3.1 引言第31页
    3.2 数据和方法第31-38页
        3.2.1 数据来源第31-33页
        3.2.2 分子描述符获取第33-34页
        3.2.3 分子描述符非线性筛选第34-36页
        3.2.4 模型评估与解释第36-38页
    3.3 结果与分析第38-39页
        3.3.1 酰胺类化合物驱蚊剂的SVR-QSAR模型第38页
        3.3.2 保留分子描述符及其单因子效应第38-39页
    3.4 结论与讨论第39-41页
第四章 总结与展望第41-43页
    4.1 总结第41-42页
    4.2 展望第42-43页
参考文献第43-48页
致谢第48-49页
作者简介第49页

论文共49页,点击 下载论文
上一篇:小菜蛾的五个受体片段对Cry1Ac蛋白的增效特性研究
下一篇:华北地区越冬代棉铃虫抗寒性研究