| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-13页 |
| 1.1.1 绝缘子污闪的形成机理 | 第10页 |
| 1.1.2 绝缘子污闪的危害 | 第10-11页 |
| 1.1.3 绝缘子污闪的主要防治手段 | 第11-12页 |
| 1.1.4 绝缘子污秽度检测与污闪预警技术 | 第12-13页 |
| 1.2 绝缘子污秽度检测方法综述 | 第13-17页 |
| 1.3 本文的研究内容与目标 | 第17-18页 |
| 第2章 绝缘子污秽度检测模型的建立 | 第18-26页 |
| 2.1 人工涂污实验 | 第18-19页 |
| 2.2 检测模型的分析与简化 | 第19-24页 |
| 2.2.1 彩色图像识别技术应用于绝缘子污秽度检测 | 第19-20页 |
| 2.2.2 检测模型的输出 | 第20-21页 |
| 2.2.3 检测模型的输入 | 第21-23页 |
| 2.2.4 检测模型的选择 | 第23-24页 |
| 2.3 最小化分类错误率 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 第3章 支持向量数据描述及其改进方法 | 第26-42页 |
| 3.1 异常检测方法综述 | 第26-28页 |
| 3.2 支持向量数据描述 | 第28-32页 |
| 3.2.1 统计学习理论 | 第28-29页 |
| 3.2.2 支持向量数据描述理论 | 第29-31页 |
| 3.2.3 支持向量数据描述方法的核化版本 | 第31-32页 |
| 3.3 双超球数据域描述 | 第32-41页 |
| 3.3.1 双超球数据域描述理论 | 第32-35页 |
| 3.3.2 理论分析 | 第35-36页 |
| 3.3.3 实验验证 | 第36-41页 |
| 3.4 小结 | 第41-42页 |
| 第4章 绝缘子图像数字特征的计算与提取 | 第42-58页 |
| 4.1 图像分割 | 第42-43页 |
| 4.2 形态学处理 | 第43-44页 |
| 4.3 图像特征计算 | 第44-55页 |
| 4.3.1 颜色特征计算 | 第44-52页 |
| 4.3.2 纹理特征计算 | 第52-55页 |
| 4.4 特征融合与降维 | 第55-57页 |
| 4.4.1 特征选择 | 第55-56页 |
| 4.4.2 特征提取 | 第56-57页 |
| 4.5 小结 | 第57-58页 |
| 第5章 基于彩色图像信息的绝缘子污秽度异常检测 | 第58-66页 |
| 5.1 模糊双超球数据域描述 | 第58-59页 |
| 5.2 绝缘子污秽度异常检测模型 | 第59-62页 |
| 5.3 双超球数据域描述的在线学习方法 | 第62-64页 |
| 5.4 GUI设计 | 第64-65页 |
| 5.5 小结 | 第65-66页 |
| 结论与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的学术论文 | 第73页 |