基于决策树的温室环境调控规则设计及其应用研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文主要工作 | 第12-13页 |
| 1.4 本文组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 第2章 相关概念和技术介绍 | 第14-29页 |
| 2.1 无线传感网技术 | 第14-15页 |
| 2.2 决策树算法 | 第15-22页 |
| 2.2.1 基于信息熵的决策树算法 | 第15-18页 |
| 2.2.2 基于GINI指数的决策树算法 | 第18-21页 |
| 2.2.3 决策树算法总结和性能评估标准 | 第21-22页 |
| 2.3 决策树剪枝 | 第22页 |
| 2.4 决策树集成算法 | 第22-26页 |
| 2.4.1 Bagging | 第22-23页 |
| 2.4.2 Boosting | 第23-24页 |
| 2.4.3 随机森林 | 第24-25页 |
| 2.4.4 决策树集成算法总结 | 第25-26页 |
| 2.5 K-Means聚类算法 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第3章 基于决策树的细粒度时空决策规则学习算法 | 第29-48页 |
| 3.1 细粒度时空决策规则学习框架 | 第29-31页 |
| 3.2 数据的时空特性分析 | 第31-35页 |
| 3.3 基于时间分割的空间合并算法 | 第35-37页 |
| 3.4 时空决策树的构建 | 第37-38页 |
| 3.5 实验结果分析 | 第38-45页 |
| 3.5.1 数据采集 | 第38页 |
| 3.5.2 基于时间分割的空间合并 | 第38-42页 |
| 3.5.3 交叉验证实验结果 | 第42-45页 |
| 3.5.4 随机森林性能分析 | 第45页 |
| 3.6 温室气候预测模型 | 第45-47页 |
| 3.7 本章小结 | 第47-48页 |
| 第4章 基于WSN的温室花卉自适应调控系统 | 第48-62页 |
| 4.1 系统介绍 | 第48-49页 |
| 4.2 开发平台概述 | 第49页 |
| 4.3 系统设计 | 第49-56页 |
| 4.3.1 系统结构 | 第49-50页 |
| 4.3.2 传感器节点 | 第50页 |
| 4.3.3 传输网关设计 | 第50-51页 |
| 4.3.4 网关通信指令设计 | 第51-53页 |
| 4.3.5 中间件程序 | 第53-54页 |
| 4.3.6 应用管理软件 | 第54-55页 |
| 4.3.7 数据库设计 | 第55-56页 |
| 4.4 原型系统示范应用及性能评估 | 第56-61页 |
| 4.4.1 系统部署 | 第56-59页 |
| 4.4.2 试验结果与分析 | 第59-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第5章 总结与展望 | 第62-64页 |
| 5.1 本文工作总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间主要的研究成果 | 第68-69页 |
| 致谢 | 第69页 |
