| 图目录 | 第1-7页 |
| 表目录 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第11-17页 |
| ·选题背景和研究意义 | 第11-12页 |
| ·选题背景 | 第11-12页 |
| ·研究意义 | 第12页 |
| ·国内外研究现状 | 第12-14页 |
| ·国外种质资源利用及信息共享体系 | 第12-13页 |
| ·我国种质资源保存与共享的现状 | 第13-14页 |
| ·论文的研究内容和组织结构 | 第14-17页 |
| ·研究内容 | 第14-15页 |
| ·论文的组织结构 | 第15-17页 |
| 第二章 研究综述 | 第17-25页 |
| ·人工神经网络理论 | 第17-21页 |
| ·神经网络的原理和模型 | 第17-19页 |
| ·神经网络的分类 | 第19-21页 |
| ·WebGIS技术 | 第21-25页 |
| ·WebGIS主要实现技术 | 第21-22页 |
| ·本系统采用SuperMapIS.NET开发平台 | 第22-25页 |
| 第三章 构建水稻种质资源综合评价体系 | 第25-39页 |
| ·主要综合评价方法 | 第25-29页 |
| ·灰色关联度法 | 第25-26页 |
| ·TOPSIS法 | 第26-27页 |
| ·模糊综合评价法 | 第27-29页 |
| ·水稻种质资源综合评价体系的确立 | 第29-39页 |
| ·水稻种质资源描述规范和数据标准 | 第29-30页 |
| ·综合评价标准 | 第30-34页 |
| ·构建水稻种质资源综合评价方法 | 第34-39页 |
| 第四章 BP神经网络算法的研究与优化 | 第39-61页 |
| ·多层前馈神经网络 | 第39-43页 |
| ·BP神经网络概述 | 第39-41页 |
| ·BP神经网络算法推导及训练过程 | 第41-43页 |
| ·确定BP网络结构 | 第43-55页 |
| ·梯度下降法则和delta法则 | 第43-45页 |
| ·输入、输出层的神经元数目的确定 | 第45页 |
| ·隐含层及神经元数目的确定 | 第45-46页 |
| ·激活函数的选择 | 第46-51页 |
| ·初始权值的选择 | 第51-53页 |
| ·泛化、过度拟合和停止判断 | 第53-55页 |
| ·基于LM算法的BP神经网络 | 第55-61页 |
| ·牛顿算法 | 第56页 |
| ·LM算法推导 | 第56-58页 |
| ·LM-BP网络与标准BP网络对比 | 第58-61页 |
| 第五章 基于WebGIS的水稻种质资源综合评价系统的设计和实现 | 第61-79页 |
| ·基于LM-BP神经网络模型的具体实现 | 第62-71页 |
| ·网络参数的存储方式 | 第62-64页 |
| ·训练网络参数 | 第64-68页 |
| ·水稻种质资源的综合评价 | 第68-71页 |
| ·基本统计分析模块的设计与实现 | 第71-74页 |
| ·一维分类统计 | 第71-72页 |
| ·二维分类统计 | 第72页 |
| ·基础统计分析的实现 | 第72-74页 |
| ·基于WebGIS的水稻种质资源地理分布模块 | 第74-79页 |
| ·系统总体设计 | 第74-76页 |
| ·数据库设计 | 第76页 |
| ·功能实现 | 第76-79页 |
| 第六章 综合评价模型仿真及验证 | 第79-87页 |
| ·输入输出数据的预处理 | 第79-81页 |
| ·构建BP神经网络 | 第81-83页 |
| ·仿真结果及模型评价 | 第83-87页 |
| 第七章 总结与展望 | 第87-89页 |
| ·总结 | 第87-88页 |
| ·展望 | 第88-89页 |
| 参考文献 | 第89-95页 |
| 致谢 | 第95-97页 |
| 攻读学位期间发表的学术论文目录 | 第97页 |