基于支持向量机的耕地预警研究
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-13页 |
| 图目录 | 第13-14页 |
| 表目录 | 第14-15页 |
| 第一章 绪论 | 第15-28页 |
| ·问题的提出 | 第15-16页 |
| ·本文研究目的和意义 | 第16-18页 |
| ·国内外相关研究进展 | 第18-24页 |
| ·预警系统理论研究的发展 | 第18-20页 |
| ·耕地预警系统研究 | 第20-22页 |
| ·耕地预警研究存在的问题 | 第22-24页 |
| ·本文的研究内容及体系结构 | 第24-26页 |
| ·本研究的关键问题 | 第26-28页 |
| 第二章 耕地预警系统的理论基础与方法 | 第28-40页 |
| ·人地关系原理 | 第28-29页 |
| ·土地持续利用原理 | 第29页 |
| ·统计学习理论 | 第29-31页 |
| ·机器学习 | 第29-31页 |
| ·统计学习理论 | 第31页 |
| ·支持向量机的原理 | 第31-35页 |
| ·基本思想 | 第31-34页 |
| ·线性支持向量机 | 第31-33页 |
| ·非线性支持向量机 | 第33-34页 |
| ·核函数 | 第34-35页 |
| ·微粒群的基本原理 | 第35-37页 |
| ·标准PSO算法 | 第35-36页 |
| ·离散二进制PSO算法 | 第36-37页 |
| ·知识发现和数据挖掘 | 第37-38页 |
| ·决策树算法 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第三章 耕地预警系统的测度研究 | 第40-62页 |
| ·预警的有关概念 | 第40-44页 |
| ·预警的涵义 | 第41-42页 |
| ·耕地预警系统的涵义 | 第42-44页 |
| ·耕地预警的步骤 | 第44页 |
| ·耕地预警体系的测度问题 | 第44-47页 |
| ·耕地预警测度问题的提出 | 第44-45页 |
| ·测度指标描述的必要性 | 第45-47页 |
| ·耕地预警的测度指标体系 | 第47-61页 |
| ·警情指标 | 第48-49页 |
| ·警源指标 | 第49-53页 |
| ·警兆指标 | 第53-61页 |
| ·本章小结 | 第61-62页 |
| 第四章 基于支持向量机的耕地预警模型研究 | 第62-83页 |
| ·基于模式识别的耕地预警可行性分析 | 第62-64页 |
| ·基于SVM分类的预警模型 | 第64-68页 |
| ·基于支持向量机的耕地预警原理 | 第64-65页 |
| ·SVM耕地预警模型描述 | 第65-68页 |
| ·基于SVM的耕地警兆识别模型 | 第68-75页 |
| ·引言 | 第68-71页 |
| ·警兆识别的基本思想 | 第71-72页 |
| ·基于SVM警兆自动识别模型 | 第72-75页 |
| ·耕地预警规则挖掘模型 | 第75-79页 |
| ·引言 | 第75-76页 |
| ·耕地预警规则挖掘模型 | 第76-79页 |
| ·警兆警限划分模型 | 第76-78页 |
| ·耕地预警规则挖掘 | 第78-79页 |
| ·基于SVM的耕地预测预警模型 | 第79-81页 |
| ·本章小结 | 第81-83页 |
| 第五章 基于支持向量机的耕地预警算法研究 | 第83-103页 |
| ·基于SVM的耕地预警分类算法 | 第83-90页 |
| ·耕地预警中的多分类问题 | 第83-84页 |
| ·基于决策树的SVM耕地预警算法 | 第84-90页 |
| ·耕地预警可分性测度 | 第85-87页 |
| ·耕地预警分类训练过程 | 第87-88页 |
| ·耕地预警分类测试过程 | 第88-90页 |
| ·基于PSO优化的耕地预警算法 | 第90-98页 |
| ·基于SVM耕地预警算法的关键问题分析 | 第90-91页 |
| ·基于SVM-PSO的耕地预警算法 | 第91-96页 |
| ·基本算法 | 第91-94页 |
| ·多样性算子 | 第94-95页 |
| ·粒子多样性刺激算子 | 第95页 |
| ·剔除算子 | 第95-96页 |
| ·改进PSO优化的耕地预警算法 | 第96-98页 |
| ·算法描述 | 第96-97页 |
| ·基于SVM-PSO的警兆识别模型应用实例 | 第97-98页 |
| ·耕地预警警兆规则挖掘算法 | 第98-101页 |
| ·耕地预警的警兆警限划分算法 | 第98-100页 |
| ·警兆警限划分原则 | 第99页 |
| ·警兆警限划分算法 | 第99-100页 |
| ·耕地预警规则挖掘算法 | 第100-101页 |
| ·本章小结 | 第101-103页 |
| 第六章 实例分析 | 第103-141页 |
| ·研究区概况 | 第103-106页 |
| ·地理区位与行政区划 | 第103-104页 |
| ·自然条件 | 第104-105页 |
| ·城市经济社会状况 | 第105-106页 |
| ·研究区耕地和基本农田现状分析 | 第106-108页 |
| ·耕地规模 | 第106-107页 |
| ·耕地空间布局 | 第107-108页 |
| ·耕地利用现状问题 | 第108页 |
| ·宜城市耕地预警警兆分析 | 第108-119页 |
| ·数据准备 | 第109-113页 |
| ·警兆识别与优化 | 第113-116页 |
| ·初始SVM参数与警兆指标子集的编码 | 第113-114页 |
| ·耕地预警多分类器信息表 | 第114页 |
| ·警兆识别结果 | 第114-116页 |
| ·警兆规则挖掘与知识建立 | 第116-119页 |
| ·宜城市耕地预测预警结果 | 第119-126页 |
| ·警兆指标预测结果 | 第120-123页 |
| ·2005年、2010年与2020年预警结果 | 第123-126页 |
| ·结果分析与模型比较 | 第126-140页 |
| ·结果分析 | 第126-135页 |
| ·耕地警情与自然质量分析 | 第126-128页 |
| ·耕地警情与人口密度关系分析 | 第128-130页 |
| ·耕地警情与耕地利用关系分析 | 第130-131页 |
| ·耕地警情与耕地、建设用地结构调整关系分析 | 第131-135页 |
| ·模型比较分析 | 第135-140页 |
| ·SVM精度分析 | 第135-137页 |
| ·SVM-PSO警兆识别有效性分析 | 第137-140页 |
| ·本章小结 | 第140-141页 |
| 第七章 结论与展望 | 第141-145页 |
| ·主要结论 | 第141-143页 |
| ·创新特色 | 第143-144页 |
| ·展望 | 第144-145页 |
| 参考文献 | 第145-153页 |
| 攻读博士期间科研工作 | 第153-155页 |
| 致谢 | 第155页 |
