陕西省常见蔬菜病虫害防控专家系统的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 国内外现状总结 | 第13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 相关理论和技术综述 | 第15-23页 |
| 2.1 专家系统 | 第15-18页 |
| 2.1.1 基本概念 | 第15页 |
| 2.1.2 专家系统结构 | 第15-17页 |
| 2.1.3 专家系统特点 | 第17-18页 |
| 2.2 人工神经网络 | 第18-20页 |
| 2.2.1 BP神经网络原理 | 第19页 |
| 2.2.2 Weka中的BP神经网络 | 第19-20页 |
| 2.3 软件体系架构 | 第20-22页 |
| 2.3.1 C/S结构 | 第20-21页 |
| 2.3.2 B/S结构 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 蔬菜病虫害知识库及病害诊断分析 | 第23-33页 |
| 3.1 蔬菜病虫害知识库 | 第23-28页 |
| 3.1.1 知识获取 | 第23-24页 |
| 3.1.2 特征选择 | 第24-26页 |
| 3.1.3 知识分类 | 第26-27页 |
| 3.1.4 知识表示 | 第27-28页 |
| 3.2 蔬菜病害诊断 | 第28-32页 |
| 3.2.1 诊断参数 | 第28-30页 |
| 3.2.2 推理方法 | 第30-31页 |
| 3.2.3 诊断逻辑 | 第31-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于改进BP网络的诊断模型 | 第33-41页 |
| 4.1 诊断模型的构建 | 第33-38页 |
| 4.1.1 BP网络基本原理 | 第33-35页 |
| 4.1.2 网络拓扑的构建 | 第35-36页 |
| 4.1.3 改进的变学习速率BP算法 | 第36-38页 |
| 4.2 实验验证与结果分析 | 第38-40页 |
| 4.2.1 实验验证 | 第38-39页 |
| 4.2.2 实验结果分析 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 系统设计与实现 | 第41-51页 |
| 5.1 系统开发平台及运行环境 | 第41-42页 |
| 5.1.1 系统开发工具 | 第41页 |
| 5.1.2 系统开发环境 | 第41-42页 |
| 5.2 系统开发关键技术 | 第42-43页 |
| 5.2.1 J SP技术 | 第42页 |
| 5.2.2 JavaBean组件技术 | 第42页 |
| 5.2.3 JDBC数据库的连接 | 第42-43页 |
| 5.3 系统总体设计 | 第43-44页 |
| 5.4 系统主要功能 | 第44-50页 |
| 5.4.1 功能模块 | 第44-45页 |
| 5.4.2 主要功能界面 | 第45-50页 |
| 5.4.3 系统评价 | 第50页 |
| 5.5 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-52页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录1 茄子病害及诊断参数编码表 | 第56-60页 |
| 附录2 茄子病害诊断规则表 | 第60-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
