| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 国内外研究进展 | 第10-13页 |
| 1.1.1 土壤有机质和土壤肥力研究现状 | 第10页 |
| 1.1.2 支持向量机研究现状 | 第10-13页 |
| 1.2 本文的研究背景 | 第13-14页 |
| 1.3 本文的研究内容和研究方法 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 第二章 数学统计学习和机器学习理论 | 第16-24页 |
| 2.1 统计学习理论与机器学习理论 | 第16-19页 |
| 2.1.1 机器学习和统计学习概述 | 第16页 |
| 2.1.2 VC维 | 第16-17页 |
| 2.1.3 推广性的界 | 第17-18页 |
| 2.1.4 结构风险最小化原则(SRM) | 第18-19页 |
| 2.2 支持向量机理论 | 第19-24页 |
| 2.2.1 支持向量机简介 | 第19-20页 |
| 2.2.2 支持向量机回归和分类简介 | 第20-24页 |
| 第三章 支持向量机分类在土壤肥力等级分类中的应用 | 第24-38页 |
| 3.1 引言 | 第24页 |
| 3.2 支持向量机分类 | 第24-28页 |
| 3.2.1 支持向量机分类原理 | 第24-25页 |
| 3.2.2 线性支持向量机分类 | 第25-27页 |
| 3.2.3 非线性支持向量机分类 | 第27-28页 |
| 3.3 土壤基础肥力等级分类 | 第28-38页 |
| 3.3.1 研究资料 | 第28-29页 |
| 3.3.2 支持向量分类法模型的设计和实现 | 第29-33页 |
| 3.3.3 支持向量机与其它模型土壤基础肥力分析结果比较 | 第33-38页 |
| 第四章 支持向量机回归在土壤有机质含量预测中的应用 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 支持向量机回归 | 第38-41页 |
| 4.2.1 线性支持向量机回归 | 第38-39页 |
| 4.2.2 非线性支持向量回归 | 第39-40页 |
| 4.2.3 核函数 | 第40-41页 |
| 4.3 土壤有机质含量预测 | 第41-46页 |
| 4.3.1 研究资料 | 第41页 |
| 4.3.2 支持向量机有机质含量预测模型的设计与实现 | 第41-44页 |
| 4.3.3 支持向量机与神经网络模型有机质含量预测结果比较 | 第44-46页 |
| 4.4 土壤有机质与作物产量的关系 | 第46-47页 |
| 4.5 多重混合支持向量机模型的土壤肥力评价模型 | 第47-50页 |
| 第五章 讨论 | 第50-52页 |
| 5.1 问题与不足 | 第50页 |
| 5.2 总结 | 第50-51页 |
| 5.3 创新点 | 第51-52页 |
| 全文总结 | 第52-54页 |
| 参考文献 | 第54-62页 |
| 附录 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间(待)发表的学术论文 | 第68页 |
