基于动态贝叶斯网络的果实成熟分布预测及采摘决策方案研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要工作 | 第11-13页 |
| 1.3.1 论文主要研究内容 | 第12页 |
| 1.3.2 论文解决的关键问题 | 第12-13页 |
| 1.4 论文的组织结构 | 第13页 |
| 1.5 本章小结 | 第13-15页 |
| 第2章 相关理论研究 | 第15-27页 |
| 2.1 贝叶斯网络 | 第15-21页 |
| 2.1.1 贝叶斯网络概述及相关定义 | 第15-16页 |
| 2.1.2 贝叶斯网络表达 | 第16-17页 |
| 2.1.3 贝叶斯网络推理 | 第17-20页 |
| 2.1.4 贝叶斯网络学习 | 第20-21页 |
| 2.2 动态贝叶斯网络 | 第21-26页 |
| 2.2.1 动态贝叶斯网络表达 | 第21-22页 |
| 2.2.2 动态贝叶斯网络推理 | 第22-23页 |
| 2.2.3 动态贝叶斯网络学习 | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于DBN的果实成熟分布预测算法研究 | 第27-37页 |
| 3.1 MD-DBN算法思想 | 第27-28页 |
| 3.2 MD-DBN学习及预测 | 第28-35页 |
| 3.2.1 结构学习 | 第28-30页 |
| 3.2.2 参数学习 | 第30-35页 |
| 3.2.3 推理预测 | 第35页 |
| 3.3 本章小结 | 第35-37页 |
| 第4章 最优采摘方案推荐算法研究 | 第37-47页 |
| 4.1 收益因素分析 | 第37-41页 |
| 4.1.1 自身因素 | 第38-39页 |
| 4.1.2 成本因素 | 第39-40页 |
| 4.1.3 经济价值因素 | 第40页 |
| 4.1.4 突发天气因素 | 第40-41页 |
| 4.2 模型构建与优化 | 第41-46页 |
| 4.2.1 相关定义 | 第41-42页 |
| 4.2.2 约束条件 | 第42-44页 |
| 4.2.3 最优采摘方案推荐算法 | 第44-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第5章 模拟实验平台搭建 | 第47-55页 |
| 5.1 MD-DBN算法预测 | 第47-52页 |
| 5.1.1 数据离散化处理 | 第47-50页 |
| 5.1.2 网络构建与参数学习 | 第50页 |
| 5.1.3 推理预测 | 第50-52页 |
| 5.2 最优采摘方案推荐 | 第52-55页 |
| 5.2.1 变量值确定 | 第52页 |
| 5.2.2 模型构建 | 第52-53页 |
| 5.2.3 实验平台 | 第53-55页 |
| 第6章 总结 | 第55-57页 |
| 6.1 论文总结 | 第55页 |
| 6.2 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |
