| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 智慧农业简介 | 第10-11页 |
| 1.1.2 大田监测系统 | 第11页 |
| 1.1.3 传感器部署 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 农业无线传感器网络研究现状 | 第12-13页 |
| 1.2.2 传感器部署研究现状 | 第13-14页 |
| 1.2.3 数据聚类研究现状 | 第14-15页 |
| 1.3 论文研究内容和思路 | 第15页 |
| 1.4 章节安排 | 第15-18页 |
| 第二章 面向大田作业的数据采集和聚类算法的基础理论 | 第18-31页 |
| 2.1 大田作业概述 | 第18页 |
| 2.2 大田作业信息采集网络 | 第18-22页 |
| 2.2.1 大田信息采集传感器 | 第19-21页 |
| 2.2.2 传感器节点 | 第21-22页 |
| 2.3 土壤温湿度数据传输网络 | 第22-25页 |
| 2.3.1 基于蓝牙的无线传感器网络 | 第22-23页 |
| 2.3.2 基于射频的无线传感器网络 | 第23页 |
| 2.3.3 基于ZigBee的无线传感器网络 | 第23-24页 |
| 2.3.4 WIFI无线传感器网络 | 第24-25页 |
| 2.4 传感器部署 | 第25页 |
| 2.5 数据聚类算法 | 第25-29页 |
| 2.5.1 BIRCH | 第26-27页 |
| 2.5.2 STING | 第27-28页 |
| 2.5.3 DENCLUE | 第28-29页 |
| 2.5.4 k-means | 第29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 融合特征距离与信息熵数据聚类的部署方法 | 第31-45页 |
| 3.1 算法整体思路 | 第31页 |
| 3.2 多维扩散的数据标准化 | 第31-32页 |
| 3.3 基于欧式聚类因子的初级聚类 | 第32-34页 |
| 3.3.1 基于欧式稀疏度密度聚集控制因子确定k和聚类初始中心 | 第32-33页 |
| 3.3.2 多维扩散的数据分布密度聚类初始数据簇 | 第33-34页 |
| 3.4 融合熵增减的聚类优化 | 第34-36页 |
| 3.4.1 基于熵增减的多目标聚类准则函数 | 第34-35页 |
| 3.4.2 级联熵增减的多目标聚类收敛方法 | 第35-36页 |
| 3.5 仿真结果及分析 | 第36-44页 |
| 3.5.1 实验对象及相关设置 | 第36-37页 |
| 3.5.2 人工数据集的实验结果与对比分析 | 第37-42页 |
| 3.5.3 UCI数据集的实验结果与对比分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 基于大田墒情监测与预测系统的算法的测试与性能分析 | 第45-62页 |
| 4.1 系统架构设计 | 第45-55页 |
| 4.1.1 功能结构设计 | 第45-48页 |
| 4.1.2 系统硬件结构设计 | 第48-49页 |
| 4.1.3 系统软件架构设计 | 第49页 |
| 4.1.4 数据字典 | 第49-53页 |
| 4.1.5 逻辑结构关系数据库模型设计 | 第53-54页 |
| 4.1.6 预测结果显示 | 第54-55页 |
| 4.2 传感器网络节点部署 | 第55-59页 |
| 4.2.1 整体部署方案设计 | 第55-56页 |
| 4.2.2 采集大田信息数据集 | 第56-57页 |
| 4.2.3 对大田数据进行融合特征距离与信息熵的数据聚类 | 第57-58页 |
| 4.2.4 传感器节点部署方案 | 第58-59页 |
| 4.3 土壤温湿度预测结果分析 | 第59-60页 |
| 4.4 基于融合特征距离与信息熵的数据聚类部署方法分析 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 结论与展望 | 第62-64页 |
| 5.1 总结 | 第62-63页 |
| 5.2 下一步工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读学位期间发表的学术论文目录 | 第70页 |
