| 符号说明 | 第4-7页 |
| 中文摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状及分析 | 第12-16页 |
| 1.2.1 深度学习研究现状及分析 | 第12-15页 |
| 1.2.2 农业虫害监测预警现状及分析 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文结构 | 第17-18页 |
| 2 相关理论 | 第18-34页 |
| 2.1 回归问题描述 | 第18-19页 |
| 2.2 局部支持向量回归相关理论 | 第19-24页 |
| 2.2.1 最优化问题 | 第19-20页 |
| 2.2.2 支持向量回归 | 第20-23页 |
| 2.2.3 局部支持向量回归 | 第23-24页 |
| 2.3 BP神经网络 | 第24-27页 |
| 2.4 深度学习常用模型 | 第27-33页 |
| 2.4.1 受限玻尔兹曼机 | 第27-29页 |
| 2.4.2 深度信念网络 | 第29-30页 |
| 2.4.3 自动编码器 | 第30-31页 |
| 2.4.4 降噪自动编码器 | 第31-32页 |
| 2.4.5 堆叠降噪自动编码器 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 基于有监督预训练的堆叠降噪自动编码器 | 第34-39页 |
| 3.1 有监督学习和无监督学习 | 第34页 |
| 3.2 改进的堆叠降噪自动编码器 | 第34-35页 |
| 3.3 实验及结果分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 超参数优化 | 第39-48页 |
| 4.1 超参数简介 | 第39-40页 |
| 4.1.1 超参数种类 | 第39页 |
| 4.1.2 超参数作用 | 第39-40页 |
| 4.2 分块网格搜索和分块变网格搜索 | 第40-43页 |
| 4.3 实验及结果分析 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 基于深度学习的小麦蚜虫短期预测 | 第48-55页 |
| 5.1 小麦蚜虫预测的相关知识 | 第48-50页 |
| 5.1.1 小麦蚜虫预测原理 | 第48-49页 |
| 5.1.2 数据来源及归一化处理 | 第49-50页 |
| 5.1.3 模型评价指标 | 第50页 |
| 5.2 基于DBN_LSVR的小麦蚜虫短期预测模型 | 第50-51页 |
| 5.3 实验及结果分析 | 第51-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表论文情况 | 第62-63页 |
| 攻读学位期间参加的科研项目 | 第63页 |