基于网络聚类选择的神经网络集成方法及其在农业中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·项目背景 | 第11-12页 |
| ·研究现状 | 第12-15页 |
| ·精准农业简介 | 第12-13页 |
| ·我国发展精准农业的重要意义 | 第13-14页 |
| ·精准农业的技术构成 | 第14-15页 |
| ·研究意义 | 第15-16页 |
| ·本文工作 | 第16-18页 |
| 第2章 相关概念与技术简介 | 第18-27页 |
| ·精准施肥概述 | 第18-19页 |
| ·神经网络集成 | 第19-21页 |
| ·神经网络集成的概念 | 第19-20页 |
| ·神经网络集成的相关研究成果 | 第20-21页 |
| ·聚类技术概述 | 第21-27页 |
| ·数据聚类概述 | 第22-23页 |
| ·复杂网络聚类概述 | 第23-25页 |
| ·算法FEC简介 | 第25-27页 |
| 第3章 基于复杂网络聚类的神经网络个体优选方法 | 第27-43页 |
| ·回放取样生成个体神经网络 | 第28-30页 |
| ·回放取样算法的原理及实现 | 第28-29页 |
| ·生成个体神经网络 | 第29-30页 |
| ·神经网络个体选择的准则 | 第30-32页 |
| ·神经网络个体间相似度矩阵构建方法的研究 | 第32-33页 |
| ·一种新的神经网络相似度度量标准 | 第32-33页 |
| ·构建神经网络个体之间的相似度矩阵 | 第33页 |
| ·相似度矩阵与对应k最近邻网络的转换 | 第33-34页 |
| ·k最近邻网络及其构造方法 | 第33-34页 |
| ·获得神经网络个体间的k最近邻关系网络 | 第34页 |
| ·采用复杂网络聚类进行个体优选 | 第34-35页 |
| ·实验结果及分析 | 第35-42页 |
| ·实验所需的数据描述 | 第36-38页 |
| ·个体生成实验结果及分析 | 第38页 |
| ·集成算法的预测精度 | 第38-40页 |
| ·集成算法的泛化能力 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 成员网络权重的确定方法 | 第43-47页 |
| ·基于模糊理论的线性加权集成方法 | 第43-44页 |
| ·基于神经网络的非线性集成方法 | 第44页 |
| ·融合结果生成权重 | 第44-45页 |
| ·实验结果及分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 精准施肥决策访问服务 | 第47-58页 |
| ·相关技术简介 | 第47-50页 |
| ·Matlab神经网络工具箱简介 | 第47页 |
| ·Matlab与VC++混合编程 | 第47-49页 |
| ·WCF简介 | 第49-50页 |
| ·精准施肥决策访问服务架构 | 第50-53页 |
| ·PFDSC的主要模块 | 第53-55页 |
| ·训练模块 | 第53页 |
| ·选择模块 | 第53-54页 |
| ·预测模块 | 第54-55页 |
| ·操作示例 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简介及在学期间所取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
