| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究进展 | 第14-15页 |
| 1.3 研究内容与结构安排 | 第15-18页 |
| 第二章 基于基因表达式编程的作物生长建模 | 第18-27页 |
| 2.1 作物生长建模方法概述 | 第18页 |
| 2.2 基于基因表达式编程的建模方法 | 第18-21页 |
| 2.2.1 标准基因表达式编程算法 | 第18-20页 |
| 2.2.2 基于基因表达式编程的模型挖掘算法 | 第20-21页 |
| 2.3 对照方法 | 第21-22页 |
| 2.3.1 多元线性回归分析方法 | 第21页 |
| 2.3.2 人工神经网络方法 | 第21-22页 |
| 2.4 实验与结果分析 | 第22-26页 |
| 2.4.1 数据采集与实验方法 | 第22页 |
| 2.4.2 番茄叶片二氧化碳交换率建模实验 | 第22-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 基于属性权重和基因表达式编程的小麦品种数据聚类 | 第27-35页 |
| 3.1 数据聚类概述 | 第27页 |
| 3.2 基于属性权重和基因表达式编程的数据聚类方法 | 第27-29页 |
| 3.2.1 属性权重计算 | 第27-28页 |
| 3.2.2 基于基因表达式编程的聚类算法 | 第28-29页 |
| 3.3 实验与分析 | 第29-34页 |
| 3.3.1 实验数据集 | 第29-30页 |
| 3.3.2 评价标准 | 第30-31页 |
| 3.3.3 实验结果 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基因表达式编程优化的低照度植株图像增强 | 第35-42页 |
| 4.1 图像增强概述 | 第35页 |
| 4.2 基因表达式编程寻优的图像增强方法 | 第35-37页 |
| 4.2.1 基因表达式编程寻优的对比度增强 | 第35-36页 |
| 4.2.2 基于色调保持理论的色度增强 | 第36-37页 |
| 4.3 对照方法 | 第37-39页 |
| 4.3.1 Retinex方法 | 第37-38页 |
| 4.3.2 直方图均衡化与同态滤波 | 第38-39页 |
| 4.4 实验与结果分析 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 基于基因表达式编程与空间模糊聚类的病斑图像分割 | 第42-51页 |
| 5.1 图像分割方法概述 | 第42页 |
| 5.2 基于聚类的图像分割 | 第42-44页 |
| 5.2.1 基于模糊C均值的图像分割 | 第42-44页 |
| 5.2.2 基于空间聚类的图像分割 | 第44页 |
| 5.3 结合基因表达式编程与空间模糊聚类的图像分割 | 第44-46页 |
| 5.3.1 基于基因表达式编程的图像初步分割 | 第44-45页 |
| 5.3.2 基于空间模糊聚类的图像二次分割 | 第45页 |
| 5.3.3 算法描述 | 第45-46页 |
| 5.4 实验结果与分析 | 第46-49页 |
| 5.4.1 抗噪性能测试 | 第46-48页 |
| 5.4.2 病斑分割测试 | 第48-49页 |
| 5.5 本章小结 | 第49-51页 |
| 第六章 总结与展望 | 第51-54页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 研究展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 作者简介 | 第60页 |
