基于粒子群算法的BP神经网络在自动化养猪业的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·课题背景与意义 | 第11-12页 |
| ·课题背景 | 第11-12页 |
| ·课题意义 | 第12页 |
| ·国内外自动化养殖业的发展现状 | 第12-14页 |
| ·论文主要研究内容与组织结构 | 第14-16页 |
| ·论文的主要内容 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 2 猪适时出栏推荐模型研究概述 | 第16-22页 |
| ·猪适时出栏指标体系 | 第16-17页 |
| ·猪适时出栏影响因素分析 | 第16-17页 |
| ·猪适时出栏指标体系的建立 | 第17页 |
| ·数据采集与预处理 | 第17-19页 |
| ·猪适时出栏推荐模型 | 第19页 |
| ·BP神经网络与自动化养猪的结合点分析 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 3 改进的BP算法在自动化养猪中的应用 | 第22-40页 |
| ·BP神经网络算法 | 第22-26页 |
| ·BP神经网络算法介绍 | 第22-23页 |
| ·BP神经网络算法基本原理 | 第23-25页 |
| ·BP神经网络算法应用于自动化养猪中的不足 | 第25-26页 |
| ·BP神经网络算法的改进 | 第26页 |
| ·粒子群优化算法 | 第26-30页 |
| ·粒子群优化算法介绍 | 第26-27页 |
| ·粒子群算法基本原理 | 第27-28页 |
| ·粒子群算法流程 | 第28-29页 |
| ·粒子群算法特点 | 第29-30页 |
| ·PSO算法的改进 | 第30-35页 |
| ·粒子群优化算法的改进研究 | 第30-31页 |
| ·论文提出的改进粒子群优化算法 | 第31-34页 |
| ·改进的PSO-BP算法流程图 | 第34-35页 |
| ·改进算法在猪适时出栏模型中的实验分析 | 第35-39页 |
| ·实验数据 | 第36-37页 |
| ·实验环境及参数的设定 | 第37页 |
| ·实验结果分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 4 云平台下改进的BP算法在自动化养猪中的应用 | 第40-64页 |
| ·云平台结合自动化养猪的意义 | 第40-41页 |
| ·云计算的基本理论 | 第41-46页 |
| ·云计算体系结构 | 第41-43页 |
| ·云计算的关键技术 | 第43-44页 |
| ·典型云计算平台 | 第44-46页 |
| ·HADOOP云计算平台研究 | 第46-48页 |
| ·Hadoop的工作原理 | 第46-47页 |
| ·HDFS分布式文件系统 | 第47页 |
| ·MapReduce分布式处理技术 | 第47-48页 |
| ·改进PSO-BP算法的MAPREDUCE化 | 第48-52页 |
| ·改进PSO-BP神经网络计算模型 | 第48-50页 |
| ·算法分解 | 第50-52页 |
| ·云平台下改进PSO-BP算法在出栏模型中的实验 | 第52-57页 |
| ·Hadoop实验集群的搭建 | 第52-53页 |
| ·基于Eclipse的hadoop程序开发环境 | 第53-56页 |
| ·实验结果与分析 | 第56-57页 |
| ·基于云计算的自动化养猪系统方案建设 | 第57-63页 |
| ·可行性分析 | 第57-58页 |
| ·系统构建方案设计 | 第58-62页 |
| ·系统构建方案描述 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| ·论文研究工作总结 | 第64页 |
| ·进一步的研究工作与展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第72页 |
