棉花异性纤维特征提取与计量方法的研究
| 中文摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 1 引言 | 第9-19页 |
| ·研究目的意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·棉花异性纤维检测研究现状 | 第10-11页 |
| ·棉花异性纤维图像分割方法研究现状 | 第11-12页 |
| ·棉花异性纤维图像分类与计量方法研究现状 | 第12-13页 |
| ·研究目标与研究内容 | 第13-16页 |
| ·研究目标 | 第13-14页 |
| ·拟解决的关键问题 | 第14页 |
| ·研究内容 | 第14-16页 |
| ·研究方法与技术路线 | 第16-17页 |
| ·研究方法 | 第16页 |
| ·技术路线 | 第16-17页 |
| ·创新与特色 | 第17-19页 |
| 2 棉花异性纤维图像特征提取 | 第19-36页 |
| ·研究对象 | 第19页 |
| ·棉花异性纤维图像处理 | 第19-23页 |
| ·机器视觉系统 | 第19-20页 |
| ·图像分割 | 第20-23页 |
| ·棉花异性纤维图像特征提取 | 第23-34页 |
| ·颜色特征提取 | 第23-27页 |
| ·纹理特征提取 | 第27-29页 |
| ·几何直观特征提取 | 第29-31页 |
| ·形状特征提取 | 第31-34页 |
| ·特征选择 | 第34-36页 |
| ·层次聚类法 | 第34页 |
| ·穷举法降维 | 第34-36页 |
| 3 分类识别 | 第36-54页 |
| ·主成份分析相关理论 | 第36-39页 |
| ·多元统计分析 | 第36-37页 |
| ·主成份分析 | 第37页 |
| ·主成份分析方法介绍 | 第37-39页 |
| ·主成份分析在 SPSS 中的操作 | 第39页 |
| ·主成分分析法确定综合指标 | 第39-47页 |
| ·数据来源与指标选取 | 第39-40页 |
| ·数据标准化 | 第40-42页 |
| ·相关性分析 | 第42页 |
| ·主成分分析 | 第42-47页 |
| ·BP 神经网络相关理论 | 第47-50页 |
| ·人工神经网络 | 第47页 |
| ·BP 神经网络 | 第47-48页 |
| ·BP 神经网络的学习算法 | 第48-49页 |
| ·BP 神经网络 Matlab 语言的实现 | 第49-50页 |
| ·分类识别网络模型训练 | 第50-54页 |
| ·输入输出数据的处理 | 第50-52页 |
| ·训练 BP 神经网络 | 第52-53页 |
| ·BP 神经网络测试 | 第53-54页 |
| 4 棉花异性纤维危害评价 | 第54-66页 |
| ·异性纤维危害概况 | 第54页 |
| ·危害评价模型 | 第54-55页 |
| ·计量统计 | 第55-58页 |
| ·异性纤维危害程度分析 | 第58-66页 |
| ·危害程度考核方法 | 第58-59页 |
| ·线性回归模型 | 第59-62页 |
| ·总危害量计算 | 第62-64页 |
| ·危害分档 | 第64-66页 |
| 5 结论与建议 | 第66-68页 |
| ·结论 | 第66页 |
| ·建议与展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间的研究成果 | 第73页 |
