| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·选题背景及意义 | 第9页 |
| ·阴离子反浮选工艺简介 | 第9-10页 |
| ·影响浮选回收率因素 | 第10页 |
| ·预测控制发展与研究现状 | 第10-12页 |
| ·预测控制的发展 | 第10-11页 |
| ·预测控制研究现状 | 第11-12页 |
| ·浮选泡沫图像技术的发展与应用 | 第12-14页 |
| ·浮选泡沫图像技术的发展 | 第12-13页 |
| ·浮选泡沫数字图像技术应用现状 | 第13-14页 |
| ·本文主要研究内容及各章节安排 | 第14-16页 |
| 第二章 浮选泡沫图像理论与特征提取研究 | 第16-28页 |
| ·数字图像基本理论及结构原理 | 第16-18页 |
| ·数字图像的表示方法 | 第16页 |
| ·位图的结构 | 第16-17页 |
| ·图像的数字化 | 第17-18页 |
| ·浮选泡沫图像预处理 | 第18-20页 |
| ·空间域图像滤波 | 第18-19页 |
| ·图像的灰度变换 | 第19-20页 |
| ·图像的特征提取 | 第20-27页 |
| ·图像的颜色特征提取 | 第20-21页 |
| ·图像形状特征提取 | 第21-23页 |
| ·本文对泡沫图像特征提取 | 第23-27页 |
| ·小结 | 第27-28页 |
| 第三章 建模前数据的预处理 | 第28-42页 |
| ·离线的学习系统数据预处理方法 | 第28-34页 |
| ·样本的数据采集 | 第28页 |
| ·基于模糊C-均值聚类数据处理 | 第28-31页 |
| ·基于遗传神经网络的数据清洗 | 第31-34页 |
| ·在线系统的数据预处理方法 | 第34-41页 |
| ·实时数据的数字滤波处理 | 第34-37页 |
| ·基于控制图法的实时数据预处理 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于MATLAB 平台的LS-SVM 改进模型仿真研究 | 第42-53页 |
| ·引言 | 第42页 |
| ·LS-SVM 原理 | 第42-45页 |
| ·LS-SVM 回归原理 | 第42-43页 |
| ·核函数 | 第43页 |
| ·参数优化方法 | 第43-44页 |
| ·LS-SVM 的缺陷 | 第44-45页 |
| ·改进的LS-SVM 模型 | 第45-50页 |
| ·改进的加权LS-SVM | 第45-47页 |
| ·基于遗传算法的LS-SVM 参数优化 | 第47-50页 |
| ·模型预测仿真及误差分析 | 第50-52页 |
| ·小结 | 第52-53页 |
| 第五章 基于改进LS-SVM 的浮选回收率预测软件模块设计 | 第53-64页 |
| ·软件模块结构功能及界面设计 | 第53-54页 |
| ·软件测试与算法实现 | 第54-63页 |
| ·图像处理算法实现 | 第54-58页 |
| ·图像特征提取算法实现 | 第58-59页 |
| ·浮选回收率预测算法实现 | 第59-60页 |
| ·数据在线趋势图算法实现 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结论与展望 | 第64-66页 |
| 参考文献 | 第66-68页 |