| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究目的与意义 | 第14-15页 |
| 1.3 国内外研究现状及存在问题 | 第15-18页 |
| 1.3.1 国外研究现状 | 第16-17页 |
| 1.3.2 国内研究现状 | 第17-18页 |
| 1.3.3 存在的主要问题 | 第18页 |
| 1.4 研究方法与技术路线 | 第18-21页 |
| 1.4.1 研究方法 | 第18-19页 |
| 1.4.2 技术路线 | 第19-21页 |
| 1.5 研究内容与结构安排 | 第21-22页 |
| 第二章 舍饲肉牛反刍行为数据获取方法 | 第22-30页 |
| 2.1 试验材料 | 第22页 |
| 2.2 监测系统整体结构分析 | 第22-23页 |
| 2.3 监测系统硬件选取 | 第23-27页 |
| 2.3.1 硬件要求 | 第23-25页 |
| 2.3.2 传感器的选择与使用 | 第25-27页 |
| 2.4 监测系统软件应用 | 第27-29页 |
| 2.5 数据获取 | 第29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 基于BP神经网络的舍饲肉牛反刍行为分析 | 第30-43页 |
| 3.1 舍饲肉牛反刍行为特征及分析 | 第30-31页 |
| 3.1.1 舍饲肉牛反刍行为特征研究 | 第30页 |
| 3.1.2 舍饲肉牛反刍行为特征分析 | 第30-31页 |
| 3.2 试验准备 | 第31-33页 |
| 3.2.1 安装传感器 | 第31-32页 |
| 3.2.2 选取数据样本 | 第32-33页 |
| 3.3 数据预处理 | 第33-36页 |
| 3.3.1 小波去噪 | 第33-35页 |
| 3.3.2 数据归一化 | 第35-36页 |
| 3.4 基于BP神经网络的识别 | 第36-41页 |
| 3.4.1 基于BP神经网络的识别流程 | 第37页 |
| 3.4.2 BP神经网络模型的建立 | 第37-41页 |
| 3.4.3 BP神经网络训练过程 | 第41页 |
| 3.5 舍饲肉牛的反刍行为分析 | 第41-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于支持向量机的舍饲肉牛反刍行为分析 | 第43-52页 |
| 4.1 基于二分类支持向量机(binary-class SVM)的识别 | 第43-48页 |
| 4.1.1 基于二分类SVM的识别流程 | 第43-46页 |
| 4.1.2 基于二分类SVM的肉牛反刍行为分析 | 第46-47页 |
| 4.1.3 与BP神经网络的对比分析 | 第47-48页 |
| 4.2 基于多分类支持向量机(multi-class SVM)的识别 | 第48-51页 |
| 4.2.1 数据选取及预处理 | 第48页 |
| 4.2.2 多分类SVM模型的建立 | 第48-49页 |
| 4.2.3 基于多分类SVM的肉牛反刍行为结果分析 | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 结论与展望 | 第52-54页 |
| 5.1 结论 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士期间发表论文 | 第58-59页 |
