第1章 绪论 1
1.1 机器学习背景 1
1.2 支持向量机简介 2
1.3 林下参光环境研究现状 5
1.4 相关研究存在的问题 6
1.5 本书研究目标和研究内容 7
1.5.1 研究目标 7
1.5.2 研究内容 7
1.6 本章小结 8
第2章 支持向量机 9
2.1 引 言 9
2.2 最优分类超平面理论 9
2.2.1 线性可分情况 10
2.2.2 非线性可分情况 13
2.3 相似程度与内积 15
2.3.1 相似程度概述 15
2.3.2 两点相似程度与内积关系 15
2.3.3 三点相似程度与内积关系 16
2.3.4 线性分类机与内积关系 18
2.4 核函数的引入 19
2.4.1 二次分划问题 19
2.4.2 核函数原理 20
2.5 常见核函数与性能分析 22
2.5.1 常见核函数 22
2.5.2 常见核函数的性能分析 23
2.6 核函数的构造与性能分析 28
2.6.1 核函数的构造 28
2.6.2 构造核函数的性能分析 30
2.7 本章小结 42
第3章 优化算法 43
3.1 引言 43
3.2 进化类算法 43
3.2.1 进化型算法介绍 44
3.2.2 遗传算法 44
3.3 群智能算法 48
3.3.1 群智能算法介绍 48
3.3.2 粒子群算法 48
3.3.3 追踪算法 50
3.4 三种算法性能比较 52
3.4.1 寻找Need1e-in-a-haystack函数的全局最优解 52
3.4.2 寻找Schaffer函数的全局最优解 55
3.5 本章小结 58
第4章 林下参光照强度实时监控系统构建 59
4.1 引言 59
4.2 林下光照强度实时监控系统构建 60
4.2.1 光照强度测定方法 60
4.2.2 主机与从机接口 62
4.2.3 主机与上位机接口 62
4.2.4 系统数据传输可靠性分析 62
4.2.5 从机不同分布对光照强度测试结果影响分析 64
4.2.6 多套单个主机、10个从机组成的系统组合分析 65
4.2.7 上位机控制光照强度测定分析 65
4.3 本章小结 66
第5章 林下参净光合速率预测模型 69
5.1 引言 69
5.2 光谱测定 70
5.3 净光合速率影响因素分析与数据处理 70
5.4 支持向量机建模 72
5.5 参数寻优 73
5.6 试验结果分析 73
5.7 本章小结 78
第6章 核函数组合优化光合有效辐射预测模型 79
6.1 引言 79
6.2 数据测定 80
6.3 数据处理 80
6.4 支持向量机建模 82
6.5 试验结果分析 83
6.6 本章小结 88
第7章 结论 89
参考文献 92