| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-12页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究内容及论文结构 | 第10-12页 |
| ·研究内容 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 2 基于神经网络的分类理论 | 第12-19页 |
| ·分类理论及实现过程 | 第12-14页 |
| ·分类的定义 | 第12页 |
| ·分类的实现过程 | 第12-13页 |
| ·分类器的评价标准 | 第13页 |
| ·几种主要的分类方法及特性 | 第13-14页 |
| ·基于神经网络的分类理论 | 第14-17页 |
| ·神经网络概述 | 第14-15页 |
| ·神经网络分类方法 | 第15-17页 |
| ·神经网络分类方法的改进及其现状 | 第17-18页 |
| ·神经网络与智能算法 | 第17-18页 |
| ·神经网络与云计算 | 第18页 |
| ·本章小结 | 第18-19页 |
| 3 基于 MIV 的神经网络变量筛选 | 第19-23页 |
| ·引言 | 第19页 |
| ·几种常见的变量筛选方法 | 第19-20页 |
| ·基于 MIV 的神经网络变量筛选方法 | 第20页 |
| ·实验及结果分析 | 第20-22页 |
| ·实验数据 | 第20-21页 |
| ·实验及结果分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 4 面向小规模农业数据集的神经网络分类方法 | 第23-36页 |
| ·引言 | 第23页 |
| ·GRNN 神经网络 | 第23-26页 |
| ·GRNN 神经网络的结构 | 第23-24页 |
| ·GRNN 神经网络的理论基础 | 第24-25页 |
| ·GRNN 神经网络的特点 | 第25页 |
| ·GRNN 神经网络的改进 | 第25-26页 |
| ·FOA 寻优算法 | 第26-27页 |
| ·FOA-GRNN 建模 | 第27-28页 |
| ·实验及结果分析 | 第28-35页 |
| ·实验环境 | 第28页 |
| ·实验数据 | 第28-29页 |
| ·对比实验及结果分析 | 第29-35页 |
| ·本章小结 | 第35-36页 |
| 5 面向大规模农业数据集的神经网络分类方法 | 第36-44页 |
| ·引言 | 第36页 |
| ·BP-AdaBoost 算法 | 第36-37页 |
| ·MapReduce 编程模型 | 第37-38页 |
| ·BP-AdaBoost 算法的改进与特点分析 | 第38-40页 |
| ·BP-AdaBoost 的 MapReduce 并行化 | 第38-40页 |
| ·改进后的 BP-AdaBoost 算法的特点分析 | 第40页 |
| ·实验及结果分析 | 第40-43页 |
| ·实验环境 | 第40页 |
| ·实验数据 | 第40-41页 |
| ·对比实验及结果分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 6 面向农业数据的神经网络分类系统设计与实现 | 第44-54页 |
| ·系统的设计目标 | 第44页 |
| ·技术实现 | 第44-45页 |
| ·编程语言 | 第44页 |
| ·系统开发环境 | 第44-45页 |
| ·各模块功能描述 | 第45页 |
| ·步骤流程 | 第45-46页 |
| ·系统实现与验证 | 第46-53页 |
| ·MIV 属性筛选 | 第46-48页 |
| ·FOA 算法寻优 | 第48-51页 |
| ·神经网络建模 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 7 总结与展望 | 第54-56页 |
| ·工作总结 | 第54-55页 |
| ·未来研究工作展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 个人简介 | 第61-62页 |
| 在读期间发表的学术论文、成果及科研工作情况 | 第62-63页 |
| 附录 A 图索引 | 第63-64页 |
| 附录 B 表索引 | 第64-65页 |
| APPENDIX A FIGURE INDEX | 第65-66页 |
| APPENDIX B TABLE INDEX | 第66页 |