| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 卷积神经网络研究现状 | 第10-11页 |
| 1.2.2 绝缘子图像识别技术的研究与发展现状 | 第11-12页 |
| 1.3 论文的主要内容和结构安排 | 第12-14页 |
| 第2章 基于CNN的图像分割算法研究 | 第14-21页 |
| 2.1 引言 | 第14-15页 |
| 2.2 基于CNN的特征提取过程 | 第15-16页 |
| 2.3 航拍绝缘子图像分割过程 | 第16-20页 |
| 2.3.1 预训练CNN模型研究 | 第16-17页 |
| 2.3.2 OSTU阈值分割实验 | 第17-18页 |
| 2.3.3 Hough变换及绝缘子提取实验 | 第18-20页 |
| 2.4 总结 | 第20-21页 |
| 第3章 核函数去相关算法研究 | 第21-29页 |
| 3.1 引言 | 第21页 |
| 3.2 核函数相关性分析 | 第21-24页 |
| 3.2.1 BP算法误差传播分析 | 第21-23页 |
| 3.2.2 基于向量空间理论的相关性影响的分析 | 第23-24页 |
| 3.2.3 基于小波重构算法构造 | 第24页 |
| 3.3 去相关算法的实验验证 | 第24-26页 |
| 3.3.1 MNIST库上的实验 | 第25页 |
| 3.3.2 CIFAR-10库上的实验 | 第25-26页 |
| 3.3.3 CK库上的实验 | 第26页 |
| 3.4 绝缘子故障识别的研究 | 第26-28页 |
| 3.4.1 建立绝缘子库 | 第27页 |
| 3.4.2 绝缘子故障的实验 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 CNN图像识别泛化性研究 | 第29-35页 |
| 4.1 引言 | 第29页 |
| 4.2 CNN全连接输出等效模型研究 | 第29-31页 |
| 4.3 基于CNN的特征映射与仿射变换 | 第31-33页 |
| 4.3.1 特征提取网络结构 | 第31-32页 |
| 4.3.2 核函数仿射变换理论推导 | 第32-33页 |
| 4.4 仿真实验 | 第33-34页 |
| 4.4.1 CK库上的实验 | 第33页 |
| 4.4.2 绝缘子故障识别实验 | 第33-34页 |
| 4.5 总结 | 第34-35页 |
| 第5章 基于小样本识别的多层卷积神经网络模型研究 | 第35-42页 |
| 5.1 引言 | 第35-36页 |
| 5.2 多层卷积神经网络模型 | 第36-38页 |
| 5.2.1 多层卷积神经网络模型的提出 | 第36-37页 |
| 5.2.2 置信度判决函数 | 第37-38页 |
| 5.3 标准数据库的验证 | 第38页 |
| 5.4 M_CNN模型在变电站异常场景识别中的应用 | 第38-40页 |
| 5.5 M_CNN模型在绝缘子故障识别中的应用 | 第40-41页 |
| 5.6 总结 | 第41-42页 |
| 第6章 结论与展望 | 第42-44页 |
| 6.1 论文总结 | 第42-43页 |
| 6.2 工作展望 | 第43-44页 |
| 参考文献 | 第44-48页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第48-49页 |
| 致谢 | 第49页 |