| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 引言 | 第8-10页 |
| 第一章 绪论 | 第10-17页 |
| ·农用地分等概述 | 第10-13页 |
| ·概念和对象 | 第10页 |
| ·农用地分等的目的和意义 | 第10页 |
| ·农用地分等的任务 | 第10页 |
| ·农用地分等的原则 | 第10-11页 |
| ·农用地分等的技术路线 | 第11-13页 |
| ·农用地分等定级国内外研究现状 | 第13-14页 |
| ·当前农用地分等方法存在的主要问题 | 第14-15页 |
| ·本文研究的意义 | 第15页 |
| ·本文研究的内容 | 第15-17页 |
| 第二章 神经网络和遗传算法基础 | 第17-31页 |
| ·神经网络 | 第17-26页 |
| ·人工神经元 | 第17-19页 |
| ·网络结构 | 第19-20页 |
| ·神经网络的工作原理 | 第20页 |
| ·神经网络学习的BP算法 | 第20-23页 |
| ·BP算法存在的问题及改进方法 | 第23-26页 |
| ·遗传算法 | 第26-28页 |
| ·遗传算法的基本原理 | 第26-27页 |
| ·遗传算法的特点 | 第27-28页 |
| ·遗传算法与神经网络的结合 | 第28-31页 |
| 第三章 农用地自然质量分计算的GA-BP网络模型 | 第31-43页 |
| ·建模思路 | 第31-32页 |
| ·GA-BP网络模型的建立 | 第32-40页 |
| ·神经网络结构类型的选择 | 第32页 |
| ·BP网络结构的确定 | 第32-34页 |
| ·用遗传算法优化BP网络的初始权重 | 第34-39页 |
| ·用BP算法训练神经网络 | 第39-40页 |
| ·GA-BP网络模型的计算流程 | 第40-41页 |
| ·本文实验工具介绍 | 第41-43页 |
| 第四章 实例研究 | 第43-55页 |
| ·研究区概况 | 第43-44页 |
| ·数据流程 | 第44页 |
| ·样本数据 | 第44-45页 |
| ·样本数据的基本要求 | 第44-45页 |
| ·样本数据的获取 | 第45页 |
| ·样本数据的预处理 | 第45页 |
| ·农用地小麦自然质量分计算的BP网络模型训练 | 第45-47页 |
| ·网络模型与样本设计 | 第45页 |
| ·训练参数的选择 | 第45-46页 |
| ·训练与测试 | 第46-47页 |
| ·农用地小麦自然质量分计算的GA-BP网络模型训练 | 第47-50页 |
| ·网络模型与样本设计 | 第47-48页 |
| ·训练参数的选择 | 第48页 |
| ·训练与测试 | 第48-50页 |
| ·模型比较分析 | 第50-51页 |
| ·收敛速度 | 第50页 |
| ·泛化能力 | 第50-51页 |
| ·结果分析 | 第51-55页 |
| 第五章 结论与展望 | 第55-57页 |
| ·结论 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 后记 | 第60页 |