摘要 | 第4-7页 |
ABSTRACT | 第7-9页 |
第一章 研究现状综述 | 第13-18页 |
1.1 山茶属简介 | 第13页 |
1.2 山茶属分类方法简介 | 第13-14页 |
1.3 山茶属分类研究载体的选择 | 第14页 |
1.4 模式识别技术简介 | 第14页 |
1.5 模式识别技术在植物分类学中的应用 | 第14-15页 |
1.6 花为载体的油茶组和短柱茶组分类研究 | 第15页 |
1.7 叶片解剖学的模式识别分类器在山茶属分类中的应用 | 第15-16页 |
1.8 无损技术在山茶属分类研究中的应用 | 第16页 |
1.9 人工神经网络在叶绿素含量预测中的应用 | 第16-17页 |
1.10 本研究的意义 | 第17-18页 |
第二章 基于花形态学的山茶属中油茶组和短柱茶组的分类研究 | 第18-31页 |
2.1 材料和方法 | 第18-23页 |
2.1.1 植物材料 | 第18页 |
2.1.2 形态学特征 | 第18-19页 |
2.1.3 数值分类 | 第19页 |
2.1.4 支序分析方法 | 第19-23页 |
2.2 结果 | 第23-25页 |
2.2.1 聚类分析和主坐标分析 | 第23-25页 |
2.2.2 支序分析结果 | 第25页 |
2.3 讨论 | 第25-29页 |
2.3.1 油茶组和短柱茶组关系 | 第25-26页 |
2.3.2 茶梅、冬红短柱茶、樱花短柱茶分类 | 第26-28页 |
2.3.3 茶梅、油茶、越南油茶分类 | 第28页 |
2.3.4 长瓣短柱茶、陕西短柱茶、攸县油茶分类 | 第28-29页 |
2.3.5 粉红短柱茶、短柱茶、钝叶短柱茶分类 | 第29页 |
2.3.6 褐枝短柱茶、大姚短柱茶、琉球短柱茶分类 | 第29页 |
2.4 小结 | 第29-31页 |
第三章 基于叶片解剖学指标的模式识别分类器在山茶属植物组水平上的分类研究 | 第31-45页 |
3.1 材料和方法 | 第31-36页 |
3.1.1 植物材料 | 第31页 |
3.1.2 表皮装片制作 | 第31-32页 |
3.1.3 石蜡切片制作 | 第32页 |
3.1.4 BP-ANN分析 | 第32-34页 |
3.1.5 SVM分析 | 第34-36页 |
3.2 结果 | 第36-42页 |
3.2.1 BP-ANN和SVM模型 | 第36-39页 |
3.2.2 BP-ANN分类结果 | 第39-40页 |
3.2.3 SVM分类结果 | 第40-42页 |
3.3 讨论 | 第42-44页 |
3.3.1 分类模型的潜在可用性 | 第42-43页 |
3.3.2 BP-ANN和SVM模型的有效性 | 第43-44页 |
3.4 小结 | 第44-45页 |
第四章 基于叶片颜色分形和RGB强度值指标的模式识别分类器在山茶属植物组水平上的分类研究 | 第45-56页 |
4.1 材料和方法 | 第45-47页 |
4.1.1 植物材料 | 第45页 |
4.1.2 照片以及分形参数采集 | 第45-46页 |
4.1.3 聚类分析和SVM模型 | 第46-47页 |
4.2 结果 | 第47-53页 |
4.2.1 分形维度和RGB强度值 | 第47页 |
4.2.2 无监督聚类分析 | 第47-49页 |
4.2.3 SVM分类精度 | 第49-53页 |
4.3 讨论 | 第53-54页 |
4.4 小结 | 第54-56页 |
第五章 无损模式识别技术在山茶属植物叶绿素含量的预测研究 | 第56-69页 |
5.1 材料和方法 | 第56-58页 |
5.1.1 植物材料 | 第56-57页 |
5.1.2 叶绿素荧光特性测定 | 第57页 |
5.1.3 叶绿素含量测定 | 第57-58页 |
5.1.4 ANN预测模型分析 | 第58页 |
5.2 结果 | 第58-65页 |
5.2.1 总叶片神经网络结构 | 第58-60页 |
5.2.2 阳生叶神经网络结构 | 第60-62页 |
5.2.3 阴生叶神经网络结构 | 第62-64页 |
5.2.4 总叶片、阳生叶、阴生叶神经网络结构的不同预测效果 | 第64-65页 |
5.3 讨论 | 第65-66页 |
5.4 小结 | 第66-69页 |
第六章 总结与展望 | 第69-71页 |
6.1 总结 | 第69-70页 |
6.2 展望 | 第70-71页 |
参考文献 | 第71-81页 |
致谢 | 第81-83页 |
攻读学位期间发表的论文 | 第83-85页 |