计算智能在土壤数据融合中的应用研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-16页 |
| ·研究的背景与意义 | 第7-8页 |
| ·计算智能的发展史 | 第8-9页 |
| ·数据融合的发展及应用 | 第9-13页 |
| ·国外数据融合研究历史与现状 | 第9-11页 |
| ·国内数据融合研究现状 | 第11-12页 |
| ·数据融合的应用领域 | 第12页 |
| ·多传感数据融合在农业中的应用 | 第12-13页 |
| ·本文的研究内容及创新点 | 第13-14页 |
| ·本文的组织 | 第14-16页 |
| 第二章 数据融合系统 | 第16-32页 |
| ·引言 | 第16页 |
| ·基本概念 | 第16-17页 |
| ·数据融合的定义 | 第16-17页 |
| ·数据融合的原理 | 第17页 |
| ·数据融合的功能模型 | 第17-19页 |
| ·数据融合的结构分类 | 第19-21页 |
| ·数据融合的算法 | 第21-30页 |
| ·基于量测信号的数值算法 | 第21-22页 |
| ·基于状态估计技术的算法 | 第22-23页 |
| ·基于不确定性测度的算法 | 第23-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 土壤信息融合模型的研究 | 第32-47页 |
| ·引言 | 第32页 |
| ·小波分析理论基础 | 第32-36页 |
| ·小波变换 | 第32-34页 |
| ·多尺度分析 | 第34-36页 |
| ·单模型多尺度分析 | 第36-42页 |
| ·单传感器单模型多尺度分析 | 第36-40页 |
| ·多传感器单模型多尺度分析 | 第40-42页 |
| ·多模型多尺度分析 | 第42-46页 |
| ·单传感器多模型多尺度分析 | 第42-43页 |
| ·多传感器多模型多尺度分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于计算智能的土壤数据融合方法的研究 | 第47-92页 |
| ·引言 | 第47页 |
| ·基于神经网络与信任度函数的多传感器数据融合 | 第47-60页 |
| ·神经网络算法理论 | 第47-50页 |
| ·神经网络数据融合发展概况 | 第50-51页 |
| ·信任度函数的构造 | 第51-54页 |
| ·基于神经网络与信任度函数的数据融合 | 第54-56页 |
| ·实验仿真 | 第56-60页 |
| ·基于粒子群算法的多传感器数据融合 | 第60-80页 |
| ·粒子群算法理论 | 第60-64页 |
| ·基于非线性权值递减的多传感器数据融合 | 第64-69页 |
| ·基于QDPSO-BP 多传感器数据融合 | 第69-79页 |
| ·实验仿真 | 第79-80页 |
| ·基于WNN-BP 多传感器数据融合 | 第80-91页 |
| ·小波神经网络理论 | 第80-81页 |
| ·基于Mallat 算法的图像融合 | 第81-85页 |
| ·基于WNN-BP 多传感器数据融合 | 第85-88页 |
| ·实验仿真 | 第88-91页 |
| ·本章小结 | 第91-92页 |
| 第五章 融合算法在农田参数处理中的应用研究 | 第92-109页 |
| ·引言 | 第92页 |
| ·车载农田土壤信息快速采集项目简介 | 第92-93页 |
| ·项目主要研究内容 | 第92-93页 |
| ·多传感器土壤信息融合模型及算法 | 第93页 |
| ·融合算法在车载农田土壤信息快速采集项目中应用 | 第93-107页 |
| ·问题的提出 | 第93-94页 |
| ·模型的建立 | 第94-97页 |
| ·测量值获取 | 第97-99页 |
| ·过程状态的动态模型 | 第99-101页 |
| ·实验仿真 | 第101-107页 |
| ·本章小结 | 第107-109页 |
| 第六章 结论和展望 | 第109-111页 |
| ·工作总结 | 第109页 |
| ·未来展望 | 第109-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-119页 |
| 附录：作者在攻读博士学位期间发表的论文 | 第119-120页 |
