| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题研究目的及意义 | 第8页 |
| ·羽绒识别现状及存在问题 | 第8-9页 |
| ·模糊支持向量机研究现状 | 第9页 |
| ·本文主要结构 | 第9-12页 |
| 第二章 羽绒自动识别系统 | 第12-32页 |
| ·羽绒自动识别系统基本原理 | 第12-13页 |
| ·羽绒图像采集 | 第13-15页 |
| ·图像采集所需设备及流程 | 第13页 |
| ·设备连接与参数调试 | 第13-15页 |
| ·图像采集 | 第15页 |
| ·羽绒结构图像特征分析 | 第15-17页 |
| ·图像预处理——图像增强 | 第17-24页 |
| ·平滑滤波 | 第18-20页 |
| ·对比度增强 | 第20-24页 |
| ·图像分割 | 第24-28页 |
| ·迭代法 | 第25-26页 |
| ·大律法（OSTU法） | 第26-28页 |
| ·分类器分类——菱节识别 | 第28页 |
| ·菱节配对及节距计算 | 第28-30页 |
| ·图像细化 | 第28-30页 |
| ·菱节配对算法思想 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 模糊支持向量机 | 第32-46页 |
| ·支持向量机原理 | 第32-39页 |
| ·最优分类超平面 | 第32-33页 |
| ·线性可分 | 第33-34页 |
| ·近似线性可分 | 第34-36页 |
| ·非线性支持向量机 | 第36-38页 |
| ·核函数 | 第38-39页 |
| ·模糊支持向量机 | 第39-43页 |
| ·模糊集的概念 | 第40页 |
| ·第一种模糊支持向量机 | 第40-41页 |
| ·第二种模糊支持向量机 | 第41-43页 |
| ·模糊隶属度函数 | 第43-44页 |
| ·基于类中心距离的隶属度函数 | 第43页 |
| ·基于S 型函数的隶属度函数 | 第43-44页 |
| ·基于π型函数的隶属度函数 | 第44页 |
| ·本章小结 | 第44-46页 |
| 第四章 半监督PS-FSVM 算法 | 第46-52页 |
| ·半监督思想 | 第46页 |
| ·PS-FSVM 改进算法 | 第46-50页 |
| ·部分监督模糊C 聚类算法(PSFCM) | 第47-48页 |
| ·改进FSVM 模糊隶属度函数 | 第48页 |
| ·核函数选取与参数优化 | 第48-49页 |
| ·PS-FSVM 算法过程 | 第49-50页 |
| ·实验及分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于张量图像样本的FS TM 算法 | 第52-59页 |
| ·张量理论 | 第52-53页 |
| ·张量定义 | 第52-53页 |
| ·张量表示样本 | 第53页 |
| ·支持张量机 | 第53-54页 |
| ·模糊支持张量机 | 第54-56页 |
| ·基于二值图像样本的模糊支持张量机 | 第54-56页 |
| ·模糊隶属度函数 | 第56页 |
| ·实验结果分析 | 第56-57页 |
| ·本章小结 | 第57-59页 |
| 第六章 PS-FSVM 及2-FSTM 在羽绒菱节识别中的应用 | 第59-63页 |
| ·快速菱节识别思想 | 第59-60页 |
| ·菱节识别算法流程 | 第60-61页 |
| ·基于PS-FSVM 的羽绒菱节识别分类器 | 第61页 |
| ·基于2-FSTM 的羽绒菱节识别分类器 | 第61页 |
| ·实验结果分析 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| ·总结 | 第63页 |
| ·展望 | 第63-65页 |
| 致谢 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 在校期间发表文献 | 第71页 |