| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景 | 第8-9页 |
| ·生物光子学 | 第9-13页 |
| ·研究进展 | 第10页 |
| ·相关应用 | 第10-13页 |
| ·选题的目的和意义 | 第13页 |
| ·本文的主要工作和章节安排 | 第13-15页 |
| 2 小麦隐蔽性虫害生物光子辐射信号的采集及处理 | 第15-31页 |
| ·生物光子辐射信号采集 | 第15-22页 |
| ·测量系统 | 第15-16页 |
| ·样品及测量方法 | 第16-18页 |
| ·数据分析 | 第18-22页 |
| ·试验数据预处理 | 第22-25页 |
| ·原始数据的获取 | 第22-23页 |
| ·均值滤波法 | 第23页 |
| ·一维平稳小波降噪 | 第23-25页 |
| ·数据特征提取 | 第25-29页 |
| ·时域特征 | 第25-26页 |
| ·频域特征分析方法 | 第26-28页 |
| ·小波分解系数的特征提取 | 第28-29页 |
| ·小结 | 第29-31页 |
| 3 基于KNN、BP神经网络的小麦籽粒隐蔽性虫害识别 | 第31-45页 |
| ·模式识别技术 | 第31-33页 |
| ·K 最近邻分类 | 第33-35页 |
| ·BP 神经网络理论 | 第35-38页 |
| ·BP 神经网络的构建 | 第38-40页 |
| ·网络训练及测试 | 第40-44页 |
| ·小结 | 第44-45页 |
| 4 基于支持向量机的小麦籽粒隐蔽性虫害识别 | 第45-53页 |
| ·SVM 基本原理 | 第45-48页 |
| ·SVM 的设计流程 | 第48-49页 |
| ·SVM 的训练及测试 | 第49-52页 |
| ·小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| ·全文工作总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 个人简历 | 第61-62页 |