| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题的研究背景及意义 | 第15-16页 |
| 1.2 基于图像的炉膛火焰判稳技术及现状 | 第16-20页 |
| 1.2.1 传统火焰检测技术及其局限性 | 第16-17页 |
| 1.2.2 基于图像的炉膛火焰判稳技术国外研究现状 | 第17-18页 |
| 1.2.3 基于图像的炉膛火焰判稳技术国内研究现状 | 第18-19页 |
| 1.2.4 支持向量机算法的国内外研究概况 | 第19-20页 |
| 1.3 本文主要的研究内容与结构 | 第20-22页 |
| 第二章 火焰图像预处理及特征参数的提取 | 第22-33页 |
| 2.1 锅炉火焰图像的获取 | 第22-23页 |
| 2.1.1 锅炉火焰视频采集系统 | 第22-23页 |
| 2.1.2 炉膛火焰图像的获取 | 第23页 |
| 2.2 锅炉火焰图像预处理 | 第23-26页 |
| 2.2.1 灰度化 | 第23-24页 |
| 2.2.2 数字图像的中值滤波 | 第24-26页 |
| 2.3 火焰燃烧参数特征提取 | 第26-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 基于改进网格搜索法优化支持向量机的炉膛火焰燃烧稳定性判定 | 第33-47页 |
| 3.1 支持向量机简介 | 第33-34页 |
| 3.2 线性支持向量机 | 第34-37页 |
| 3.2.1 线性可分情形 | 第34-36页 |
| 3.2.2 线性不可分情形 | 第36-37页 |
| 3.3 非线性支持向量机 | 第37-40页 |
| 3.3.1 非线性支持向量机介绍 | 第37-39页 |
| 3.3.2 改进网格搜索法优化SVM参数的研究 | 第39-40页 |
| 3.4 多分类支持向量机的实现 | 第40-41页 |
| 3.4.1 一对多法 | 第40-41页 |
| 3.4.2 一对一法 | 第41页 |
| 3.5 基于改进网格搜索法的SVM的锅炉燃烧稳定性判定模型实验 | 第41-45页 |
| 3.5.1 燃烧样本数据库获取 | 第42-43页 |
| 3.5.2 改进网格法寻优SVM的参数 | 第43-44页 |
| 3.5.3 改进网格搜索法的SVM模型对燃烧稳定性的判定输出 | 第44-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于改进粒子群优化特征加权支持向量机的炉膛火焰燃烧稳定性判定 | 第47-62页 |
| 4.1 特征选择算法 | 第47-49页 |
| 4.1.1 特征选择算法的分类 | 第47-48页 |
| 4.1.2 Relief-F特征选择算法 | 第48-49页 |
| 4.2 特征加权支持向量机 | 第49-52页 |
| 4.2.1 特征加权 | 第50页 |
| 4.2.2 特征加权支持向量机的构造 | 第50-52页 |
| 4.3 改进粒子群的特征加权支持向量机参数研究 | 第52-56页 |
| 4.3.1 粒子群优化算法 | 第52-54页 |
| 4.3.2 基于概率模拟退火算法的改进粒子群算法 | 第54-56页 |
| 4.4 基于改进PSO的特征加权SVM的锅炉燃烧稳定性判定模型实验 | 第56-61页 |
| 4.4.1 Relief-F算法下的样本数据的特征权重 | 第56-57页 |
| 4.4.2 改进的PSO算法优化FWSVM参数 | 第57-58页 |
| 4.4.3 改进PSO优化的FWSVM模型对燃烧稳定性的判定输出 | 第58-60页 |
| 4.4.4 SAPSO优化的FWSVM模型与SVM模型对燃烧稳定性的判定输出的比较 | 第60-61页 |
| 4.5 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 总结 | 第62页 |
| 5.2 展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第68页 |
