| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 打孔水松纸及其发展现状 | 第11-12页 |
| 1.1.2 吸烟对人体健康的影响 | 第12-13页 |
| 1.2 水松纸透气度检测技术的发展和现状 | 第13-15页 |
| 1.3 软测量技术简介 | 第15-17页 |
| 1.3.1 软测量技术的提出 | 第15-16页 |
| 1.3.2 软测量技术的基本原理 | 第16页 |
| 1.3.3 软测量技术的研究方向与展望 | 第16-17页 |
| 1.4 论文的工作安排 | 第17-19页 |
| 1.4.1 课题的提出 | 第17-18页 |
| 1.4.2 本文工作 | 第18-19页 |
| 第二章 基于改进BP神经网络的水松纸透气度软测量 | 第19-35页 |
| 2.1 人工神经网络 | 第19-21页 |
| 2.1.1 神经网络的结构 | 第19-20页 |
| 2.1.2 神经网络的特性 | 第20页 |
| 2.1.3 神经网络的学习 | 第20-21页 |
| 2.2 BP神经网络简介 | 第21-26页 |
| 2.2.1 BP神经网络的拓扑结构 | 第22-23页 |
| 2.2.2 BP算法的流程 | 第23-26页 |
| 2.3 软测量模型的建立 | 第26-33页 |
| 2.3.1 输入变量与输出变量的确定 | 第26页 |
| 2.3.2 确定网络的层数以及隐含层神经元的个数 | 第26-27页 |
| 2.3.3 数据归一化处理 | 第27页 |
| 2.3.4 BP网络的改进 | 第27-29页 |
| 2.3.5 改进BP神经网络在水松纸透气度检测中的应用 | 第29-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于人工鱼群算法和差分进化算法优化的BP神经网络水松纸透气度软测量 | 第35-57页 |
| 3.1 基本人工鱼群算法 | 第35-44页 |
| 3.1.1 鱼群模式的提出 | 第35-36页 |
| 3.1.2 人工鱼的结构模型 | 第36-37页 |
| 3.1.3 人工鱼群算法的寻优原理 | 第37-39页 |
| 3.1.4 人工鱼四种基本行为的算法描述 | 第39-43页 |
| 3.1.5 人工鱼群算法全局收敛的基础 | 第43-44页 |
| 3.2 人工鱼群算法优化BP神经网络 | 第44-47页 |
| 3.3 基本差分进化算法 | 第47-51页 |
| 3.3.1 标准差分进化算法描述 | 第48-50页 |
| 3.3.2 标准DE算法流程及其特点 | 第50-51页 |
| 3.4 基本差分进化优化的BP神经网络算法设计 | 第51-55页 |
| 3.5 三种透气度拟合算法的对比 | 第55页 |
| 3.6 本章小结 | 第55-57页 |
| 第四章 打孔水松纸透气度检测软件设计 | 第57-69页 |
| 4.1 软件模块组成 | 第57页 |
| 4.2 数字图像处理的相关理论基础 | 第57-59页 |
| 4.2.1 数字图像处理 | 第57-58页 |
| 4.2.2 数字图像处理的两大基本方法 | 第58页 |
| 4.2.3 数字图像有哪些格式 | 第58页 |
| 4.2.4 数字图像的色彩 | 第58-59页 |
| 4.2.5 灰度图 | 第59页 |
| 4.3 打孔水松纸数字图像处理的过程以及软件的实现 | 第59-67页 |
| 4.3.1 对打孔水松纸图像进行处理的目的 | 第59-60页 |
| 4.3.2 对图像进行处理的步骤 | 第60-67页 |
| 4.4 本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 5.1 论文总结 | 第69-70页 |
| 5.2 工作展望 | 第70-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 附录A 攻读硕士期间研究成果 | 第77页 |
