本书以林下参光环境为研究对象，在前期研究成果基础上，提出一种非线性快速傅里叶分解算法来解决光环境实测信号的随机干扰噪声，同时运用机器学习和模式识别理论，构建了基于偏很小二乘回归算法（PLS）的净光合速率分析模型和基于适应神经网络模糊推理系统方法（ANFIS）的净光合速率预测模型，并通过对有代表性的试验样地进行了的数据采样，验证了所建模型的有效性和可行性，进而利用自主设计的自适应数据处理算法，设计了开发林下参种植光照情况实时监测和采集系统，很后基于MATLAB平台完成林下参种植光环境预测、评价系统的集成开发，进而获得林下参种植光环境的地域栽培适宜性综合评价指数，作为指导林下参种植的重要依据。
前言
第1章绪论
1.1研究背景及意义
1.2研究现状分析
1.2.1光环境研究现状
1.2.2试验数据的挖掘及处理
1.3本书研究目标和研究内容
1.3.1研究目标
1.3.2研究内容
第2章面向自适应数据处理的非线性Fourier分析方法
2.1引言
2.2理论基础
2.3非线性Fourier展开
2.4快速稀疏非线性Fourier展开
2.5算法与算例
2.5.1算法
2.5.2算例
2.5.3算法应用
第3章基于机器学习的模式识别理论
3.1引言
3.2模式识别理论基础
3.2.1模式识别概述
3.2.2模型预测方法
3.3机器学习及常用算法
3.3.1机器学习的理论基础
3.3.2偏最小二乘算法
3.4智能算法及常见算法
3.4.1智能算法
3.4.2自适应神经模糊推理方法
第4章林下参种植光环境动态预测模型研究
4.1引言
4.2试验地点与试验方法
4.2.1试验地点
4.2.2试验方法及仪器设备
4.3红松的树木生长模型研究
4.3.1红松冠幅生长预估模型
4.3.2红松冠长生长预估模型
4.3.3红松单木基本树高预估模型
4.4林下参净光合速率预测模型研究
4.4.1基于PLS的净光合速率预测模型
4.4.2基于ANFIS的净光合速率预测模型
4.5模型的检验
第5章林下参种植光环境数据采集系统
5.1引言
5.2系统的软件体系
5.3系统的硬件架构
第6章林下参种植光环境预测及评价方法研究
6.1引言
6.2林下参种植光环境预测与评价方法
6.2.1林下参种植光环境的预测
6.2.2林下参种植光环境的评价
6.2.3基于模糊推理系统的光环境综合评价模型
6.3林下参种植光环境预测与评价系统体系结构
6.3.1预测模块
6.3.2评价模块
6.3.3帮助模块
第7章总结
参考文献
暂无
