声明
摘要
第一章 绪论
1.1 国内外研究进展
1.1.1 土壤有机质和土壤肥力研究现状
1.1.2 支持向量机研究现状
1.2 本文的研究背景
1.3 本文的研究内容和研究方法
1.3.1 研究内容
1.3.2 技术路线
第二章 数学统计学习和机器学习理论
2.1 统计学习理论与机器学习理论
2.1.1 机器学习和统计学习概述
2.1.2 VC维
2.1.3 推广性的界
2.1.4 结构风险最小化原则(SRM)
2.2 支持向量机理论
2.2.1 支持向量机简介
2.2.2 支持向量机回归和分类简介
第三章 支持向量机分类在土壤肥力等级分类中的应用
3.1 引言
3.2 支持向量机分类
3.2.1 支持向量机分类原理
3.2.2 线性支持向量机分类
3.2.3 非线性支持向量机分类
3.3 土壤基础肥力等级分类
3.3.1 研究资料
3.3.2 支持向量分类法模型的设计和实现
3.3.3 支持向量机与其它模型土壤基础肥力分析结果比较
第四章 支持向量机回归在土壤有机质含量预测中的应用
4.1 引言
4.2 支持向量机回归
4.2.1 线性支持向量机回归
4.2.2 非线性支持向量回归
4.2.3 核函数
4.3 土壤有机质含量预测
4.3.1 研究资料
4.3.2 支持向量机有机质含量预测模型的设计与实现
4.3.3 支持向量机与神经网络模型有机质含量预测结果比较
4.4 土壤有机质与作物产量的关系
4.5 多重混合支持向量机模型的土壤肥力评价模型
第五章 讨论
5.1 问题与不足
5.2 总结
5.3 创新点
全文总结
参考文献
附录
致谢
攻读学位期间(待)发表的学术论文