首页--工业技术论文--金属学与金属工艺论文--金属压力加工论文--轧制论文--轧制工艺论文--板材、带材、箔材轧制论文

基于支持向量机的带钢表面缺陷识别问题研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-13页
    1.1 课题研究背景及意义第9-10页
    1.2 带钢表面缺陷检测技术发展现状第10-12页
        1.2.1 国外发展现状第10-11页
        1.2.2 国内发展现状第11-12页
    1.3 本文的研究内容第12-13页
第2章 带钢表面缺陷图像的预处理第13-23页
    2.1 图像预处理第13-18页
        2.1.1 自适应中值滤波第13-15页
        2.1.2 同态滤波第15-18页
    2.2 缺陷图像分割第18-20页
        2.2.1 图像分割的基本概念第18页
        2.2.2 缺陷分割方法第18-20页
    2.3 仿真实验结果与分析第20-22页
    2.4 本章小结第22-23页
第3章 带钢表面缺陷图像特征提取与选择第23-41页
    3.1 图像特征提取第23-29页
        3.1.1 纹理特征提取第23-28页
        3.1.2 形态特征提取第28-29页
    3.2 图像特征选择第29-33页
        3.2.1 特征选择第30页
        3.2.2 基于ReliefF与聚类算法的特征选择第30-33页
    3.3 仿真实验结果与分析第33-40页
    3.4 本章小结第40-41页
第4章 基于改进支持向量机的缺陷模式识别第41-55页
    4.1 支持向量机基本原理第41-48页
        4.1.1 线性判别函数第41-43页
        4.1.2 最优分类面第43-45页
        4.1.3 广义最优分类面第45-46页
        4.1.4 支持向量机第46-48页
    4.2 设计改进的SVM-KNN分类器第48-50页
        4.2.1 k近邻法第48-49页
        4.2.2 改进的SVM-KNN原理第49-50页
    4.3 基于改进SVM-KNN的缺陷识别第50-52页
        4.3.1 支持向量机的分类算法第50-51页
        4.3.2 改进SVM-KNN的分类算法第51-52页
    4.4 仿真实验结果与分析第52-53页
    4.5 本章小结第53-55页
结论第55-57页
参考文献第57-61页
攻读硕士学位期间所发表的论文第61-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:基于FLUENT的BFG管道阀门粉尘自动清除模型仿真分析
下一篇:深部软弱煤岩围岩位移场及应力场分析