摘要 | 第3-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-18页 |
1.1 研究目的与意义 | 第10-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 农业植物生产领域研究 | 第12-13页 |
1.2.2 叶绿素荧光强度检测研究 | 第13-14页 |
1.2.3 数学建模分析研究 | 第14-15页 |
1.3 课题的思路与技术路线 | 第15-16页 |
1.4 论文主要内容 | 第16页 |
1.5 本章小结 | 第16-18页 |
2 叶绿素荧光及模式识别算法基本原理 | 第18-34页 |
2.1 叶绿素荧光基本原理 | 第18-20页 |
2.1.1 叶绿素介绍 | 第18页 |
2.1.2 叶绿素荧光现象 | 第18-20页 |
2.1.3 叶绿素荧光探测分析技术 | 第20页 |
2.2 叶绿素荧光强度信息 | 第20-23页 |
2.2.1 荧光动力学特征信息 | 第21-22页 |
2.2.2 影响荧光强度的因素 | 第22-23页 |
2.3 隐马尔可夫模型 | 第23-29页 |
2.3.1 隐马尔可夫概念 | 第23-24页 |
2.3.2 隐马尔可夫经典算法 | 第24-27页 |
2.3.3 隐马尔可夫模型类型 | 第27-29页 |
2.4 基于隐马尔可夫模型的测量原理和应用 | 第29-31页 |
2.5 本章小结 | 第31-34页 |
3 叶绿素荧光强度探测系统构建与确定 | 第34-44页 |
3.1 实验设备选择 | 第34-37页 |
3.1.1 激发光源的种类与选取 | 第34-35页 |
3.1.2 滤光片的选取 | 第35-36页 |
3.1.3 荧光信号采集设备选取 | 第36-37页 |
3.2 荧光强度探测系统设计 | 第37-41页 |
3.2.1 方案 1 | 第38-39页 |
3.2.2 方案 2 | 第39-41页 |
3.3 实验系统确定 | 第41-43页 |
3.4 本章小结 | 第43-44页 |
4 实验样本设计和选择 | 第44-52页 |
4.1 植物的选择 | 第44页 |
4.2 水肥浓度确定 | 第44页 |
4.3 样本设计和培养 | 第44-50页 |
4.3.1 水肥单一影响实验 | 第45-47页 |
4.3.2 水肥浓度变化实验设定 | 第47-48页 |
4.3.3 水肥耦合数据采样 | 第48-50页 |
4.4 本章小结 | 第50-52页 |
5 实验数据处理软件设计以及HMM各参数确定 | 第52-64页 |
5.1 HMM软件设计方案 | 第52-54页 |
5.2 HMM在荧光动力学信息中的建模 | 第54-55页 |
5.2.1 HMM训练 | 第54-55页 |
5.2.2 HMM样本状态数选择 | 第55页 |
5.3 叶绿素荧光特征值选择研究 | 第55-62页 |
5.3.1 荧光特征点 | 第55-57页 |
5.3.2 荧光光合点 | 第57-59页 |
5.3.3 荧光原始信息 | 第59-60页 |
5.3.4 荧光原始及斜率信息 | 第60-62页 |
5.4 隐马尔可夫模型建立 | 第62页 |
5.5 本章小结 | 第62-64页 |
6 基于HMM的实验样本识别效果分析 | 第64-76页 |
6.1 模型识别方法和识别正确率分析 | 第64-66页 |
6.1.1 某一浓度识别方法 | 第64-65页 |
6.1.2 实际浓度数据识别正确率统计 | 第65-66页 |
6.2 16 组、9 组水肥耦合样本识别正确率分析 | 第66-68页 |
6.2.1 16 组实验样本浓度识别分析 | 第66-67页 |
6.2.2 9 组实验样本浓度识别分析 | 第67-68页 |
6.2.3 识别正确率分析 | 第68页 |
6.3 不同条件下识别正确率效果识别分析 | 第68-74页 |
6.3.1 16 组样本多建模条件下识别分析 | 第69-71页 |
6.3.2 9组样本多建模条件下识别分析 | 第71-74页 |
6.3.3 总样本识别结果分析 | 第74页 |
6.4 基于HMM的水肥耦合识别效果分析 | 第74-75页 |
6.5 本章小结 | 第75-76页 |
7 总结与展望 | 第76-78页 |
7.1 本文研究工作总结 | 第76-77页 |
7.2 展望 | 第77-78页 |
致谢 | 第78-80页 |
参考文献 | 第80-84页 |
在校期间发表论文 | 第84页 |