| 摘要 | 第7-9页 |
| ABSTRACT | 第9-10页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 耕地质量评价研究综述 | 第12-15页 |
| 1.2.1 国外研究进展 | 第12-13页 |
| 1.2.2 国内研究进展 | 第13-15页 |
| 1.3 神经网络和支持向量机国内外研究概况 | 第15-17页 |
| 1.4 研究内容、方法与论文框架 | 第17-19页 |
| 1.4.1 研究内容 | 第17页 |
| 1.4.2 研究方法 | 第17页 |
| 1.4.3 论文框架 | 第17-19页 |
| 2 理论基础 | 第19-27页 |
| 2.1 农用地分等理论 | 第19-20页 |
| 2.2 人工神经网络理论 | 第20-24页 |
| 2.3 支持向量机理论 | 第24-27页 |
| 3 研究方法与数据 | 第27-37页 |
| 3.1 建模思路 | 第27-30页 |
| 3.1.1 农用地分等模型 | 第27页 |
| 3.1.2 人工神经网络模型 | 第27-29页 |
| 3.1.3 支持向量机模型 | 第29-30页 |
| 3.2 研究区概况 | 第30-32页 |
| 3.2.1 自然条件 | 第30-31页 |
| 3.2.2 土地利用现状 | 第31页 |
| 3.2.3 耕地利用现状 | 第31-32页 |
| 3.3 数据源及数据预处理 | 第32-37页 |
| 3.3.1 数据源概况 | 第32-35页 |
| 3.3.2 数据预处理 | 第35-37页 |
| 4 基于BP神经网络的耕地质量评价模型研究 | 第37-46页 |
| 4.1 SOM法聚类筛选训练样本 | 第37-38页 |
| 4.2 BP神经网络结构设计和参数的确定 | 第38-43页 |
| 4.2.1 确定网络结构 | 第38-39页 |
| 4.2.2 网络参数设计 | 第39页 |
| 4.2.3 网络训练 | 第39-43页 |
| 4.3 模型验证与结果分析 | 第43-46页 |
| 5 基于支持向量机的耕地质量评价模型研究 | 第46-54页 |
| 5.1 训练数据输入 | 第46页 |
| 5.2 分类学习器的训练 | 第46-47页 |
| 5.3 模型验证与结果分析 | 第47-52页 |
| 5.4 BP神经网络和SVM的耕地质量评价方法比较 | 第52-54页 |
| 6 结论与展望 | 第54-56页 |
| 6.1 主要结论 | 第54页 |
| 6.2 研究展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附录 BP和SVM运行代码 | 第59-62页 |
| 1.1 BP神经网络运行代码 | 第59-61页 |
| 1.2 SVM分类器应用代码 | 第61-62页 |
| 致谢 | 第62页 |