首页--农业科学论文--农业基础科学论文--农业物理学论文--电子技术、计算机技术在农业上的应用论文

基于SVM的昆虫分类与TDM建模

摘要第1-6页
Abstract第6-10页
第一章 文献综述第10-19页
 1 昆虫分类学概念第10页
 2 昆虫分类学的历史和现状第10页
 3.昆虫数值分类学的发展和历史第10-11页
 4 TDM及其发展第11-12页
   ·TDM概念第11页
   ·TDM发展历史第11-12页
   ·TDM原理第12页
 5 支持向量机及其发展第12-19页
   ·支持向量机发展历史第12-13页
   ·支持向量机理论(统计学习理论)第13-16页
     ·VC维第13页
     ·推广性的界第13-14页
     ·结构风险最小化第14页
     ·转导推理第14-15页
     ·核函数第15页
     ·最优分类面第15-16页
   ·支持向量机分类第16-17页
   ·支持向量机回归第17-19页
第二章 SVM在昆虫分类中的应用第19-30页
 1 前言第19页
 2 在有翅类昆虫中的应用第19-26页
   ·实验材料第19-21页
   ·研究方法第21-22页
     ·支持向量机分类LIBSVM软件包第21-22页
     ·形态特征值汰选第22页
   ·结果与分析第22-25页
     ·目级阶元分类第22-23页
     ·总科级阶元分类第23-24页
     ·科级阶元分类第24-25页
   ·讨论第25-26页
 3 在蝴蝶分类中的应用第26-30页
   ·实验材料第26-28页
   ·结果与分析第28-30页
     ·绢蝶科内的判别第28页
     ·粉蝶科内的判别第28-30页
第三章 SVM在生物测定数据分析中的应用第30-35页
 1 前言第30页
 2 材料与方法第30-33页
   ·数据来源第30-31页
   ·研究方法第31-33页
     ·支持向量机回归LIBSVM软件包第32页
     ·TDM拟合模型构建第32页
     ·TDM留一法模型构建第32页
     ·SVM模型构建第32-33页
 3 结果与分析第33-34页
   ·简单生测数据的TDM模型与SVM模型比较第33页
   ·复杂生测数据TDM模型与SVM模型比较第33-34页
 4 小结第34-35页
第四章 总结第35-37页
 1 支持向量机优点第35页
 2 基于SVM的数值特征分类在昆虫分类中的效果第35页
 3 基于SVM的复杂生物测定数据模型效果第35-37页
参考文献第37-39页
致谢第39-40页
作者简历第40页

论文共40页,点击 下载论文
上一篇:基于动态Web页面湖南晚稻品种选择平台的研究
下一篇:基于农业科研机构核心能力的知识共享体系构建研究