| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 奶牛体征参数的检测 | 第13-15页 |
| 1.2.2 奶牛发情信息预测方法 | 第15-17页 |
| 1.2.3 奶牛信息管理系统 | 第17页 |
| 1.3 存在的主要问题 | 第17-18页 |
| 1.4 研究内容 | 第18-19页 |
| 1.5 研究方法与技术路线 | 第19页 |
| 1.5.1 研究方法 | 第19页 |
| 1.5.2 技术路线 | 第19页 |
| 1.6 论文组织结构 | 第19-22页 |
| 第2章 系统总体方案设计及奶牛体征参数远程获取 | 第22-30页 |
| 2.1 系统需求分析 | 第22页 |
| 2.2 系统总体设计 | 第22-24页 |
| 2.2.1 系统的物理结构 | 第23-24页 |
| 2.2.2 系统的逻辑结构 | 第24页 |
| 2.3 数据采集 | 第24-25页 |
| 2.4 数据传输 | 第25-28页 |
| 2.4.1 无线传输技术分析 | 第25-27页 |
| 2.4.2 数据传输设计 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第3章 奶牛发情预测方法研究 | 第30-44页 |
| 3.1 奶牛发情相关体征参数变化分析 | 第30-32页 |
| 3.2 发情特征向量的优化选取 | 第32-35页 |
| 3.2.1 基于运动步数分片的特征向量集选取分析 | 第32-33页 |
| 3.2.2 累积运动步数与分片运动步数特征向量选取对比 | 第33-35页 |
| 3.3 奶牛发情预测模型的建立 | 第35-41页 |
| 3.3.1 常用分类算法 | 第35-39页 |
| 3.3.2 发情信息预测模型的建立 | 第39-41页 |
| 3.4 奶牛发情预测模型试验结果及分析 | 第41-43页 |
| 3.4.1 SVM模型预测结果 | 第41-42页 |
| 3.4.2 BP网络模型预测结果 | 第42页 |
| 3.4.3 奶牛发情预测模型的确定 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于Storm的发情实时监测及信息管理软件系统设计 | 第44-58页 |
| 4.1 软件系统整体架构 | 第44-46页 |
| 4.2 奶牛信息管理服务设计 | 第46-49页 |
| 4.2.1 开发工具与平台 | 第46页 |
| 4.2.2 奶牛信息管理服务的设计与实现 | 第46-49页 |
| 4.3 奶牛发情预测模型与Storm的整合 | 第49-51页 |
| 4.3.1 Storm技术 | 第49-50页 |
| 4.3.2 发情预测模型与Storm的整合 | 第50-51页 |
| 4.4 实时处理服务数据流过程 | 第51-56页 |
| 4.4.1 数据流处理流程 | 第51页 |
| 4.4.2 Flume数据采集 | 第51-52页 |
| 4.4.3 消息队列组件Kafka | 第52-53页 |
| 4.4.4 实时流式处理平台Storm | 第53-55页 |
| 4.4.5 Nosql数据库Redis | 第55-56页 |
| 4.5 发情信息的预报 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 系统的部署与性能测试 | 第58-66页 |
| 5.1 系统部署 | 第58-61页 |
| 5.1.1 数据采集与传输系统的部署 | 第58页 |
| 5.1.2 软件系统的部署 | 第58-61页 |
| 5.2 系统测试方法 | 第61页 |
| 5.3 测试结果及分析 | 第61-64页 |
| 5.3.1 系统实时监控性能测试及分析 | 第61-63页 |
| 5.3.2 奶牛发情实时监测结果及分析 | 第63-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第6章 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66-67页 |
| 6.2 创新点 | 第67页 |
| 6.3 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |