航空滚动轴承典型缺陷的分类识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-16页 |
| ·引言 | 第8页 |
| ·常用的分类技术方法 | 第8-10页 |
| ·轴承缺陷的分类识别研究现状及存在的问题 | 第10-13页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-13页 |
| ·研究中存在的问题 | 第13页 |
| ·论文主要研究内容 | 第13-14页 |
| ·论文结构 | 第14-16页 |
| 第2章 朴素贝叶斯分类识别方法 | 第16-28页 |
| ·朴素贝叶斯分类器工作原理 | 第16-19页 |
| ·贝叶斯基本定理 | 第16-18页 |
| ·信息论基础 | 第18页 |
| ·最大后验假设和最大似然假设 | 第18-19页 |
| ·贝叶斯网络和贝叶斯分类器 | 第19-25页 |
| ·贝叶斯网络的定义 | 第19-21页 |
| ·贝叶斯分类器 | 第21-23页 |
| ·朴素贝叶斯分类模型 | 第23-24页 |
| ·朴素贝叶斯分类器的学习和分类方法改进 | 第24-25页 |
| ·常见的几种贝叶斯分类模型 | 第25-27页 |
| ·通用贝叶斯网分类器 | 第25-26页 |
| ·增强朴素贝叶斯分类模型 | 第26页 |
| ·树扩展朴素贝叶斯分类器 | 第26-27页 |
| ·贝叶斯多网分类器 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第3章 轴承典型缺陷特征提取 | 第28-42页 |
| ·缺陷的类型 | 第28-29页 |
| ·图像的预处理 | 第29-34页 |
| ·滤波处理 | 第30-32页 |
| ·图像的二值化 | 第32-34页 |
| ·图像特征的提取 | 第34-40页 |
| ·纹理特征 | 第35-37页 |
| ·二值比特征 | 第37页 |
| ·缺陷特征 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 第4章 航空滚动轴承典型缺陷的分类识别 | 第42-56页 |
| ·航空滚动轴承典型缺陷检测的理论基础 | 第42-44页 |
| ·朴素贝叶斯分类器的建立 | 第44-46页 |
| ·神经网络分类器 | 第46-48页 |
| ·航空滚动轴承典型缺陷分类测试 | 第48-55页 |
| ·实验工具 | 第48-49页 |
| ·缺陷检测识别率测试 | 第49-51页 |
| ·缺陷识别率测试 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 航空滚动轴承数据库的建立 | 第56-62页 |
| ·SQL Server数据库的特点 | 第56-57页 |
| ·数据库表结构 | 第57-58页 |
| ·数据库结构 | 第58-59页 |
| ·缺陷样本数据录入 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 结论与展望 | 第62-64页 |
| ·研究结论 | 第62页 |
| ·进一步研究的问题 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间的研究成果 | 第69页 |
