深度信念网络在岩石薄片图像处理中的应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-18页 |
| 1.1 课题来源 | 第7页 |
| 1.2 研究背景及意义 | 第7-9页 |
| 1.3 国内外研究现状及存在的问题 | 第9-15页 |
| 1.3.1 数字岩石物理技术研究现状 | 第9-11页 |
| 1.3.2 深度学习研究现状 | 第11-13页 |
| 1.3.3 图像分类研究现状 | 第13-14页 |
| 1.3.4 存在的问题 | 第14-15页 |
| 1.4 研究目标和技术路线 | 第15-16页 |
| 1.5 论文结构 | 第16-18页 |
| 第二章 苏里格地区岩石特征研究 | 第18-23页 |
| 2.1 勘探区概况 | 第18-20页 |
| 2.2 勘探区岩石微观结构特征 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 深度学习概要 | 第23-39页 |
| 3.1 传统浅层人工神经网络 | 第23-31页 |
| 3.1.1 浅层神经网络结构 | 第23-24页 |
| 3.1.2 传统神经网络的学习模式 | 第24-26页 |
| 3.1.3 传统神经网络的学习算法 | 第26-30页 |
| 3.1.4 传统神经网络存在的问题 | 第30-31页 |
| 3.2 深度学习基础理论 | 第31-33页 |
| 3.2.1 深度学习的概念 | 第31-32页 |
| 3.2.2 深度学习的结构 | 第32页 |
| 3.2.3 深度学习的训练过程 | 第32-33页 |
| 3.3 深度学习常见模型 | 第33-38页 |
| 3.3.1 栈式自动编码器 | 第33-34页 |
| 3.3.2 深度信念网络 | 第34-36页 |
| 3.3.3 卷积神经网络 | 第36-37页 |
| 3.3.4 深度玻尔兹曼机 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 深度信念网络用于岩石薄片图像的分类方法 | 第39-68页 |
| 4.1 岩石薄片图像采集 | 第39-43页 |
| 4.2 岩石图像无缝拼接 | 第43-45页 |
| 4.3 基于深度信念网络的岩石薄片图像分类 | 第45-55页 |
| 4.3.1 岩石薄片图像预处理 | 第45-52页 |
| 4.3.2 基于深度信念网络的分类模型 | 第52-53页 |
| 4.3.3 训练和分类过程 | 第53-55页 |
| 4.4 实验与分析 | 第55-67页 |
| 4.4.1 实验数据集简介 | 第55-60页 |
| 4.4.2 参数选取及性能对比测试 | 第60-62页 |
| 4.4.3 实验及结果分析 | 第62-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 工作总结 | 第68页 |
| 5.2 工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间发表的论文 | 第77-78页 |
