| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·粮虫检测国内外研究现状 | 第10-13页 |
| ·生物光子学原理 | 第13-16页 |
| ·生物超微弱发光 | 第13-14页 |
| ·生物光子辐射研究发展概况 | 第14页 |
| ·国内外相关应用 | 第14-16页 |
| ·本文主要内容和章节安排 | 第16-19页 |
| 2 基于小麦的生物光子辐射信号采集及处理 | 第19-31页 |
| ·实验数据的采集及分析 | 第19-23页 |
| ·样品制备及测量仪器 | 第19-22页 |
| ·数据采集 | 第22-23页 |
| ·染虫密度分析 | 第23-26页 |
| ·染虫小麦样本选取 | 第23-24页 |
| ·染虫密度探究 | 第24-26页 |
| ·实验数据预处理 | 第26-28页 |
| ·异常数据处理 | 第26-27页 |
| ·本底噪声消减 | 第27-28页 |
| ·粮食特征向量获取 | 第28-30页 |
| ·小结 | 第30-31页 |
| 3 基于LDA和QDA的小麦隐蔽性虫害识别模型 | 第31-48页 |
| ·主成分分析 | 第31-36页 |
| ·K-L变换基础 | 第31-32页 |
| ·K-L变换特征提取原理 | 第32-34页 |
| ·基于PCA的特征提取 | 第34-36页 |
| ·Fisher线性判别分析 | 第36-38页 |
| ·线性判别分析原理 | 第36-37页 |
| ·分类阈值确定 | 第37-38页 |
| ·基于贝叶斯的二次判别分析 | 第38-39页 |
| ·贝叶斯判别原理 | 第38页 |
| ·二次判别分析 | 第38-39页 |
| ·正则化判别分析RDA | 第39-40页 |
| ·模型训练和测试 | 第40-47页 |
| ·基于PCA的LDA和QDA算法小麦隐蔽性害虫识别 | 第40-43页 |
| ·基于正则化的QDA小麦隐蔽性害虫识别 | 第43-47页 |
| ·小结 | 第47-48页 |
| 4 基于GSA优化的SVM小麦隐蔽性虫害识别模型 | 第48-62页 |
| ·统计学习理论 | 第48-49页 |
| ·支持向量机 | 第49-53页 |
| ·最优分类超平面 | 第50-51页 |
| ·线性支持向量机 | 第51-52页 |
| ·非线性支持向量机 | 第52-53页 |
| ·核函数及其核函数的选择 | 第53页 |
| ·基于GSA的SVM核参数优化 | 第53-55页 |
| ·支持向量机参数优化 | 第54页 |
| ·参数优化算法评价 | 第54-55页 |
| ·网格搜索法的基本原理 | 第55页 |
| ·基于小麦隐蔽性虫害识别的实验结果及分析 | 第55-61页 |
| ·小结 | 第61-62页 |
| 5 总结与展望 | 第62-65页 |
| ·全文工作总结 | 第62-63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 个人简介 | 第71页 |