首页--农业科学论文--水产、渔业论文--水产工程论文--水产机械仪器论文--电子设备、计算机在渔业上的应用论文

基于计算机视觉的鱼群摄食行为分析研究

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

论文共72页,点击 下载论文
上一篇:城镇供水系统加压站节能改造研究与设计
下一篇:模糊免疫算法的研究及在燃煤电厂脱硫系统中的应用