支持向量机与优化算法在林下参光环境评价系统中的研究

《支持向量机与优化算法在林下参光环境评价系统中的研究》作为在支持向量机中起着决定性作用的核函数，已引起国内外学者关注，构建新型核函数成为其研究热点之一。通过研究自然界中一些自然现象而总结出的仿生智能优化算法，能够可靠解决全局最优化问题，且这些优化算法具有普遍适应性。支持向量机中的参数优化程度影响着构建模型的预测精度和泛化能力，将仿生智能算法用于参数优化过程，可寻找出最佳的预测模型。

暂缺《支持向量机与优化算法在林下参光环境评价系统中的研究》作者简介

第1章绪论
1.1机器学习背景
1.2支持向量机简介
1.3林下参光环境研究现状
1.4相关研究存在的问题
1.5本书研究目标和研究内容
1.5.1研究目标
1.5.2研究内容
1.6本章小结
第2章支持向量机
2.1引言
2.2最优分类超平面理论
2.2.1线性可分情况
2.2.2非线性可分情况
2.3相似程度与内积第1章绪论
1.1机器学习背景
1.2支持向量机简介
1.3林下参光环境研究现状
1.4相关研究存在的问题
1.5本书研究目标和研究内容
1.5.1研究目标
1.5.2研究内容
1.6本章小结
第2章支持向量机
2.1引言
2.2最优分类超平面理论
2.2.1线性可分情况
2.2.2非线性可分情况
2.3相似程度与内积
2.3.1相似程度概述
2.3.2两点相似程度与内积关系
2.3.3三点相似程度与内积关系
2.3.4线性分类机与内积关系
2.4核函数的引入
2.4.1二次分划问题
2.4.2核函数原理
2.5常见核函数与性能分析
2.5.1常见核函数
2.5.2常见核函数的性能分析
2.6核函数的构造与性能分析
2.6.1核函数的构造
2.6.2构造核函数的性能分析
2.7本章小结
第3章优化算法
3.1引言
3.2进化类算法
3.2.1进化型算法介绍
3.2.2遗传算法
3.3群智能算法
3.3.1群智能算法介绍
3.3.2粒子群算法
3.3.3追踪算法
3.4三种算法性能比较
3.4.1寻找Needle—in—a—haystack函数的全局最优解
3.4.2寻找Schaffer函数的全局最优解
3.5本章小结
第4章林下参光照强度实时监控系统构建
4.1引言
4.2林下光照强度实时监控系统构建
4.2.1光照强度测定方法
4.2.2主机与从机接口
4.2.3主机与上位机接口
4.2.4系统数据传输可靠性分析
4.2.5从机不同分布对光照强度测试结果影响分析
4.2.6多套单个主机、10个从机组成的系统组合分析
4.2.7上位机控制光照强度测定分析
4.3本章小结
第5章林下参净光合速率预测模型
5.1引言
5.2光谱测定
5.3净光合速率影响因素分析与数据处理
5.4支持向量机建模
5.5参数寻优
5.6试验结果分析
5.7本章小结
第6章核函数组合优化光合有效辐射预测模型
6.1引言
6.2数据测定
6.3数据处理
6.4支持向量机建模
6.5试验结果分析
6.6本章小结
第7章结论
参考文献