| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究的背景及意义 | 第11-12页 |
| 1.2 基于生物的水质监测研究现状 | 第12-13页 |
| 1.3 本文主要工作和章节安排 | 第13-15页 |
| 2 鱼类行为连续监测与实时在线预警系统的建立 | 第15-21页 |
| 2.1 鱼类在线预警系统组成 | 第15-19页 |
| 2.1.1 实验平台硬件组成 | 第15-16页 |
| 2.1.2 实验平台软件结构 | 第16-19页 |
| 2.2 鱼类毒性试验 | 第19-20页 |
| 2.2.1 实验材料 | 第19页 |
| 2.2.2 试验准备 | 第19页 |
| 2.2.3 试验过程 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 3 运动目标检测 | 第21-28页 |
| 3.1 主要运动目标检测算法 | 第21-22页 |
| 3.2 鱼类运动目标检测算法流程 | 第22-27页 |
| 3.2.1 背景模型建立 | 第22-24页 |
| 3.2.2 形态学处理 | 第24-26页 |
| 3.2.3 目标标记 | 第26-27页 |
| 3.3 本章小结 | 第27-28页 |
| 4 运动目标跟踪 | 第28-36页 |
| 4.1 主要运动目标跟踪算法 | 第28-29页 |
| 4.2 鱼类多个目标跟踪算法 | 第29-35页 |
| 4.2.1 建立目标运动模型 | 第29页 |
| 4.2.2 目标特征匹配 | 第29-31页 |
| 4.2.3 目标运动状态分类 | 第31-33页 |
| 4.2.4 实验结果及分析 | 第33-35页 |
| 4.3 本章小结 | 第35-36页 |
| 5 鱼群体和个体参数的综合行为量化 | 第36-49页 |
| 5.1 群体参数 | 第36-38页 |
| 5.2 群体参数实验结果分析 | 第38-45页 |
| 5.2.1 白天和夜间模式正常水质群体参数比较 | 第38-40页 |
| 5.2.2 白天鱼群对异常水质的反应 | 第40-42页 |
| 5.2.3 夜晚鱼群对异常水质的反应 | 第42-44页 |
| 5.2.4 统计分析 | 第44-45页 |
| 5.3 个体参数 | 第45-46页 |
| 5.4 个体参数的变化 | 第46-48页 |
| 5.5 本章小结 | 第48-49页 |
| 6 基于 Adaboost 算法的水质分类预警研究 | 第49-57页 |
| 6.1 Adaboost 算法原理 | 第49-51页 |
| 6.2 本文选取的三类 Adaboost 算法 | 第51-55页 |
| 6.2.1 Real Adaboost 算法 | 第51-52页 |
| 6.2.2 Gentle Adaboost 算法 | 第52-53页 |
| 6.2.3 Modest Adaboost 算法 | 第53-55页 |
| 6.3 弱分类器——决策树 | 第55页 |
| 6.4 分类效果的性能评价 | 第55-56页 |
| 6.5 本章小结 | 第56-57页 |
| 7 分类结果分析 | 第57-62页 |
| 7.1 离线分类结果分析 | 第57-59页 |
| 7.1.1 Adaboost 分类结果 | 第57-58页 |
| 7.1.2 与其它算法的比较 | 第58-59页 |
| 7.2 鱼类在线预警实验 | 第59-61页 |
| 7.3 本章小结 | 第61-62页 |
| 8 总结与展望 | 第62-64页 |
| 8.1 本文总结 | 第62页 |
| 8.2 今后展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 在学研究成果 | 第68-69页 |
| 致谢 | 第69页 |