| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究目的和意义 | 第9-10页 |
| 1.2 小麦白粉病和蚜虫的危害与特点 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.4 目前存在的问题 | 第14-15页 |
| 1.5 本文研究内容和组织结构 | 第15-17页 |
| 1.5.1 研究内容 | 第15页 |
| 1.5.2 组织结构 | 第15-17页 |
| 第二章 数据获取与预处理 | 第17-26页 |
| 2.1 小麦白粉病监测数据获取与预处理 | 第17-23页 |
| 2.1.1 实验区概况与病害调查 | 第17页 |
| 2.1.2 影像数据获取 | 第17-19页 |
| 2.1.3 影像数据预处理 | 第19-22页 |
| 2.1.4 研究区域小麦种植面积提取 | 第22-23页 |
| 2.2 小麦蚜虫监测数据获取与预处理 | 第23-26页 |
| 2.2.1 实验区概况与虫害调查 | 第23页 |
| 2.2.2 影像数据获取 | 第23-24页 |
| 2.2.3 影像数据预处理 | 第24页 |
| 2.2.4 研究区域小麦种植面积提取 | 第24-26页 |
| 第三章 基于粒子群优化最小二乘支持向量机的小麦白粉病遥感监测 | 第26-42页 |
| 3.1 实验目的 | 第26-27页 |
| 3.2 支持向量机理论 | 第27-31页 |
| 3.2.1 线性支持向量机 | 第27-30页 |
| 3.2.2 非线性支持向量机 | 第30-31页 |
| 3.3 基于粒子群优化的最小二乘支向量机 | 第31-35页 |
| 3.3.1 最小二乘支持向量机分类算法 | 第31-32页 |
| 3.3.2 粒子群优化算法 | 第32-35页 |
| 3.3.2.1 粒子群优化算法的发展 | 第32-33页 |
| 3.3.2.2 粒子群优化算法原理 | 第33-35页 |
| 3.4 基于粒子群优化最小二乘支持向量机的小麦白粉病监测 | 第35-39页 |
| 3.4.1 模型输入特征选取 | 第35-38页 |
| 3.4.2 基于粒子群算法优化的最小二乘支持向量机监测模型 | 第38-39页 |
| 3.5 实验结果与分析 | 第39-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于最小二乘孪生支持向量机的小麦蚜虫遥感监测 | 第42-57页 |
| 4.1 实验目的 | 第43页 |
| 4.2 孪生支持向量机 | 第43-46页 |
| 4.3 最小二乘孪生支持向量机 | 第46-47页 |
| 4.4 基于最小二乘孪生支持向量机的小麦蚜虫遥感监测 | 第47-52页 |
| 4.4.1 模型输入特征选取 | 第47-51页 |
| 4.4.2 基于最小二乘孪生支持向量机的小麦蚜虫遥感监测模型 | 第51-52页 |
| 4.5 实验结果与分析 | 第52-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 结论与展望 | 第57-59页 |
| 5.1 结论 | 第57-58页 |
| 5.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表的论文 | 第66页 |
| 攻读硕士期间参与的科研项目 | 第66页 |
