基于SVM和PSO的烧结工况预报方法的研究与实现
| 摘要 | 第1-6页 |
| 英文摘要 | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景与意义 | 第11-12页 |
| ·图像处理技术的研究现状 | 第12-14页 |
| ·图像处理技术在工业过程监控中的研究现状 | 第12-13页 |
| ·图像处理技术在回转窑过程监控中的研究现状 | 第13-14页 |
| ·烧结工况预报技术的研究现状 | 第14-15页 |
| ·本文主要工作 | 第15页 |
| ·论文组织结构 | 第15-17页 |
| 第2章 相关技术介绍 | 第17-35页 |
| ·图像去噪方法 | 第17-19页 |
| ·中值滤波 | 第17-18页 |
| ·均值滤波 | 第18页 |
| ·高斯滤波 | 第18-19页 |
| ·图像分割方法 | 第19-22页 |
| ·边缘检测 | 第19-20页 |
| ·阈值分割 | 第20页 |
| ·大津分割 | 第20-21页 |
| ·快速行进法 | 第21-22页 |
| ·特征选择方法 | 第22-25页 |
| ·特征选择的基本概念 | 第22页 |
| ·常用的特征选择方法 | 第22-24页 |
| ·ReliefF特征选择算法 | 第24-25页 |
| ·支持向量机 | 第25-32页 |
| ·基本理论概述 | 第25-28页 |
| ·多类分类器构造方法 | 第28-32页 |
| ·粒子群算法 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于SVM和PSO的烧结工况预报算法 | 第35-51页 |
| ·烧结工况特性分析 | 第35-38页 |
| ·图像预处理 | 第38-41页 |
| ·烧结工况图像的去噪算法 | 第38-40页 |
| ·烧结工况图像的分割算法 | 第40-41页 |
| ·物料区与黑把子区的分割 | 第40-41页 |
| ·火焰区与充分燃烧区的分割 | 第41页 |
| ·特征提取与特征选择 | 第41-46页 |
| ·烧结工况特征提取 | 第41-44页 |
| ·基于ReliefF-GA的两阶段特征选择算法 | 第44-46页 |
| ·基于SVM和PSO的烧结工况预报算法 | 第46-49页 |
| ·改进的PSO算法 | 第46页 |
| ·基于PSO的SVM参数优化算法 | 第46-48页 |
| ·基于SVM和PSO的烧结工况预报模型的设计 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第4章 系统的设计与实现 | 第51-59页 |
| ·系统实现环境 | 第51页 |
| ·系统总体结构 | 第51-52页 |
| ·功能模块设计 | 第52-58页 |
| ·图像预处理模块设计 | 第52-54页 |
| ·特征提取与特征选择模块设计 | 第54-55页 |
| ·SVM参数优化模块设计 | 第55-57页 |
| ·烧结工况预报模块设计 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 烧结工况预报实验 | 第59-69页 |
| ·实验数据及评价标准 | 第59页 |
| ·SVM和PSO算法相结合的参数选择实验 | 第59-62页 |
| ·SVM参数选择问题 | 第59-60页 |
| ·基于PSO的SVM参数优化实验 | 第60-62页 |
| ·基于ReliefF-GA的两阶段特征选择实验 | 第62-66页 |
| ·基于多级SVM的烧结工况预报实验 | 第66-67页 |
| ·影响预报结果的因素分析 | 第67页 |
| ·本章小结 | 第67-69页 |
| 第6章 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75页 |
