小样本数据作物模型研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 研究背景 | 第7-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 研究现状 | 第10-13页 |
| 1.3.1 发展历程 | 第10-11页 |
| 1.3.2 典型代表 | 第11-12页 |
| 1.3.3 功能应用 | 第12-13页 |
| 1.3.4 研究趋势 | 第13页 |
| 1.4 本文研究内容 | 第13-15页 |
| 第二章 数据采集与预处理 | 第15-30页 |
| 2.1 数据采集 | 第15-17页 |
| 2.1.1 数据采集系统 | 第15-16页 |
| 2.1.2 实验数据 | 第16-17页 |
| 2.2 数据预处理 | 第17-29页 |
| 2.2.1 数据预处理概述 | 第17页 |
| 2.2.2 数据预处理方法 | 第17-20页 |
| 2.2.3 实验结果分析 | 第20-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 因子分析选择 | 第30-37页 |
| 3.1 因子分析选择概述 | 第30页 |
| 3.2 材料与方法 | 第30-32页 |
| 3.2.1 实验数据 | 第30-31页 |
| 3.2.2 分析方法 | 第31-32页 |
| 3.3 实验结果与分析 | 第32-36页 |
| 3.3.1 番茄和南瓜的因子选择分析 | 第32-34页 |
| 3.3.2 黄瓜数据的验证 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 模型拟合与构建 | 第37-47页 |
| 4.1 作物建模概述 | 第37页 |
| 4.2 回归模型 | 第37-41页 |
| 4.2.1 回归模型概述 | 第37-38页 |
| 4.2.2 模型评价标准 | 第38-39页 |
| 4.2.3 实验结果分析 | 第39-41页 |
| 4.3 人工神经网络模型 | 第41-46页 |
| 4.3.1 神经网络概述 | 第41-43页 |
| 4.3.2 模型性能分析 | 第43页 |
| 4.3.3 实验结果分析 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-50页 |
| 5.1 工作总结 | 第47-48页 |
| 5.2 研究展望 | 第48-50页 |
| 参考文献 | 第50-59页 |
| 附录 | 第59-61页 |
| 致谢 | 第61-62页 |
| 个人简介 | 第62-63页 |
| 在读期间的学术活动与科研成果 | 第63页 |
