基于WEB的小麦病害智能诊断技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究目的和意义 | 第9页 |
| ·研究背景与研究现状 | 第9-11页 |
| ·本文主要研究内容 | 第11-12页 |
| 第二章 基于J2EE/XML 的网络专家系统模型 | 第12-20页 |
| ·专家系统的基本理论 | 第12-13页 |
| ·使用XML 构建网络专家系统知识库 | 第13-17页 |
| ·XML 概述 | 第14页 |
| ·面向对象的知识表示方法 | 第14-15页 |
| ·XML 知识库的构建 | 第15-16页 |
| ·XML 知识库的维护 | 第16-17页 |
| ·基于J2EE/XML 的网络专家系统模型 | 第17-19页 |
| ·J2EE 概述 | 第18页 |
| ·网络专家系统模型 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 基于神经网络的知识获取与推理 | 第20-28页 |
| ·神经网络的基本理论 | 第20-21页 |
| ·反向传播网络（BP） | 第21-23页 |
| ·BP 神经网络模型与学习规则 | 第21-22页 |
| ·BP 算法的不足与改进 | 第22-23页 |
| ·基于BP 神经网络的小麦病害诊断 | 第23-27页 |
| ·小麦病害诊断的神经网络表示 | 第23-24页 |
| ·BP 网络设计 | 第24-25页 |
| ·BP 网络训练 | 第25页 |
| ·知识获取与推理 | 第25-26页 |
| ·实验结果及分析 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 神经网络规则抽取 | 第28-37页 |
| ·神经网络规则抽取及评价体系 | 第28-29页 |
| ·神经网络规则抽取算法的分类 | 第29-31页 |
| ·基于结构分析的方法 | 第29-30页 |
| ·基于性能分析的方法 | 第30-31页 |
| ·从神经网络中抽取小麦病害诊断规则 | 第31-36页 |
| ·神经网络训练 | 第31-32页 |
| ·神经网络剪枝 | 第32-33页 |
| ·神经网络权重分析 | 第33-34页 |
| ·抽取产生式规则 | 第34页 |
| ·实验结果及分析 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第五章 基于灰色关联的案例推理 | 第37-47页 |
| ·灰色系统理论概述 | 第37页 |
| ·灰色关联分析 | 第37-40页 |
| ·灰色关联因素和关联算子集 | 第38-39页 |
| ·灰色关联度 | 第39-40页 |
| ·基于灰色关联分析的案例推理 | 第40-45页 |
| ·案例推理概述 | 第41页 |
| ·案例库与结果库的建立 | 第41-42页 |
| ·基于灰色关联的案例检索 | 第42-44页 |
| ·案例库的维护 | 第44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第六章 系统设计与实现 | 第47-55页 |
| ·系统开发平台及运行环境 | 第47-48页 |
| ·系统开发工具 | 第47页 |
| ·系统运行环境 | 第47-48页 |
| ·系统设计与实现 | 第48-54页 |
| ·系统实现的关键技术 | 第48-49页 |
| ·系统总体设计 | 第49-50页 |
| ·系统功能设计 | 第50-53页 |
| ·算法设计与实现 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第七章 结论与展望 | 第55-57页 |
| ·结论 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 附录1 小麦病害诊断参数与诊断结果表 | 第62-65页 |
| 附录2 小麦病害模式表 | 第65-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |
