| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题的研究背景 | 第12-13页 |
| 1.2 国内外水产养殖现状及发展趋势 | 第13-15页 |
| 1.3 国内外的研究现状及发展趋势 | 第15-17页 |
| 1.4 研究内容和拟解决的问题 | 第17-18页 |
| 1.5 小结 | 第18-20页 |
| 第2章 基于SVM的鱼群摄食行为识别技术研究 | 第20-40页 |
| 2.1 试验材料和设备 | 第21-23页 |
| 2.2 鱼群摄食行为特征量的提取方法 | 第23-31页 |
| 2.2.1 灰度差分统计法 | 第26页 |
| 2.2.2 灰度共生矩阵 | 第26-28页 |
| 2.2.3 高斯马尔科夫随机场模型 | 第28-31页 |
| 2.3 鱼群摄食行为识别研究 | 第31-38页 |
| 2.3.1 支持向量机理论 | 第31页 |
| 2.3.2 数据样本集的分类 | 第31-33页 |
| 2.3.3 非线性可分SVM | 第33-35页 |
| 2.3.4 SVM分类器的实现过程 | 第35-36页 |
| 2.3.5 输入数据的优化和SVM参数的优化 | 第36-38页 |
| 2.4 实验结果与讨论 | 第38-39页 |
| 2.5 小结 | 第39-40页 |
| 第3章 基于计算机视觉的鱼群摄食活动强度评估 | 第40-53页 |
| 3.1 概述 | 第40-42页 |
| 3.2 基于计算机视觉的鱼群摄食活动强度量化方法 | 第42-45页 |
| 3.2.1 混合高斯背景建模 | 第43-44页 |
| 3.2.2 均值背景建模 | 第44-45页 |
| 3.3 鱼群摄食活动强度的量化过程 | 第45-47页 |
| 3.4 传统方法测量鱼群的摄食活动强度 | 第47-50页 |
| 3.5 结果与讨论 | 第50-52页 |
| 3.5.1 实验结果 | 第50-51页 |
| 3.5.2 讨论 | 第51-52页 |
| 3.6 小结 | 第52-53页 |
| 第4章 基于自适应模糊神经网络在鱼群投喂中的探索 | 第53-64页 |
| 4.1 自适应神经网络的模糊推理系统 | 第53-57页 |
| 4.1.1 概述 | 第53-55页 |
| 4.1.2 自适应神经模糊推理系统(ANFIS)的结构 | 第55-57页 |
| 4.2 MATLAB模糊逻辑工具箱简介 | 第57-58页 |
| 4.3 模型当中参数的选取 | 第58-60页 |
| 4.3.1 输入和输出隶属函数的类型 | 第58页 |
| 4.3.2 隶属度函数的数量 | 第58-60页 |
| 4.4 实验结果及讨论 | 第60-64页 |
| 第5章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64页 |
| 5.2 不足与展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表论文情况 | 第72页 |