基于神经网络的水稻三化螟识别系统的设计与实现
| 第一章 绪论 | 第1-14页 |
| ·研究目的及意义 | 第11-12页 |
| ·本文的主要工作 | 第12-14页 |
| 第二章 神经网络理论 | 第14-23页 |
| ·神经网络的发展历史 | 第14-16页 |
| ·兴起阶段 | 第14-15页 |
| ·发展阶段 | 第15页 |
| ·复兴阶段 | 第15-16页 |
| ·人工神经网络技术的现状 | 第16页 |
| ·人工神经网络的基本理论及主要模型 | 第16-19页 |
| ·神经网络的概念 | 第16-17页 |
| ·神经网络的基本原理 | 第17-18页 |
| ·人工神经网络的模型 | 第18-19页 |
| ·人工神经网络技术的应用 | 第19-23页 |
| ·典型的神经网络的应用 | 第19-20页 |
| ·神经网络在智能诊断领域的应用现状 | 第20-21页 |
| ·神经网络在农业病虫害识别、诊断领域的应用现状 | 第21-23页 |
| 第三章 数字图像处理理论 | 第23-31页 |
| ·数字图像处理的发展及应用 | 第23-25页 |
| ·数字图像处理的基本理论 | 第25-27页 |
| ·图像处理的概念 | 第25页 |
| ·图像处理的特点 | 第25-26页 |
| ·数字图像处理的内容 | 第26-27页 |
| ·数字图像处理的基本步骤和系统部件 | 第27-31页 |
| ·图像处理的基本步骤 | 第27-29页 |
| ·图像处理系统的部件 | 第29-31页 |
| 第四章 特征提取和选择 | 第31-46页 |
| ·特征提取和选择的要求 | 第31-32页 |
| ·图像色彩特征的提取 | 第32-38页 |
| ·图像颜色系统的分析 | 第32-36页 |
| ·数字图像的结构 | 第36-37页 |
| ·颜色特征的提取 | 第37-38页 |
| ·图像形态学特征的提取 | 第38-45页 |
| ·形态学特征提取的准备 | 第39-44页 |
| ·形态学特征的提取 | 第44-45页 |
| ·总结 | 第45-46页 |
| 第五章 神经网络分类器的设计 | 第46-57页 |
| ·BP算法的研究 | 第46-50页 |
| ·BP算法的概念和基本理论 | 第46-47页 |
| ·BP算法的学习过程 | 第47-48页 |
| ·BP算法在智能诊断领域的应用 | 第48-49页 |
| ·BP算法的不足及改进 | 第49-50页 |
| ·识别系统分类器的设计 | 第50-54页 |
| ·神经网络分类器的设计原则和方法 | 第51-52页 |
| ·软件设计中考虑的几个问题 | 第52-54页 |
| ·结果与总结 | 第54-57页 |
| ·分类器实验过程与结果 | 第54-55页 |
| ·总结 | 第55-57页 |
| 第六章 水稻三化螟识别系统的设计与实现 | 第57-66页 |
| ·系统结构和运行环境 | 第57-59页 |
| ·系统功能和运行示例 | 第59-65页 |
| ·系统功能 | 第59-61页 |
| ·系统操作实例 | 第61-65页 |
| ·总结 | 第65-66页 |
| 第七章 结论与展望 | 第66-69页 |
| ·本文所做的工作 | 第66页 |
| ·系统特点与结论 | 第66-67页 |
| ·今后要做的工作 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 作者简历 | 第75页 |
