首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

基于机器学习的铁路机车速度传感器设备检测方法研究

摘要第5-6页
ABSTRACT第6-7页
第1章 绪论第10-17页
    1.1 课题研究背景及意义第10页
    1.2 基于机器视觉的列车故障检测系统介绍第10-11页
    1.3 研究现状第11-14页
        1.3.1 国内研究现状第11-12页
        1.3.2 国外研究现状第12-14页
    1.4 本文工作内容和结构及特色第14-17页
        1.4.1 研究内容第14-15页
        1.4.2 论文结构第15-16页
        1.4.3 本文工作特色第16-17页
第2章 相关理论基础第17-26页
    2.1 图像处理基础理论第17-20页
        2.1.1 直方图均衡化第17-18页
        2.1.2 Gamma校正第18-19页
        2.1.3 Hough变换第19-20页
    2.2 图像特征提取技术第20-22页
        2.2.1 HOG特征提取第20-21页
        2.2.2 Haar特征提取第21-22页
    2.3 机器学习理论第22-25页
        2.3.1 机器学习介绍第22-23页
        2.3.2 SVM原理介绍第23页
        2.3.3 线性SVM第23-25页
    2.4 本章小结第25-26页
第3章 目标区域定位第26-41页
    3.1 基于Hough变换的目标区域定位第26-29页
        3.1.1 图像预处理第26-27页
        3.1.2 设置感兴趣区域(ROI)及检测参数第27-28页
        3.1.3 Hough圆检测第28-29页
    3.2 基于机器学习的目标区域定位第29-33页
        3.2.1 基于Haar-Adaboost的速度传感器区域定位算法第29-32页
        3.2.2 基于HOG-SVM的速度传感器区域定位算法第32-33页
    3.3 目标区域定位算法的实现第33-40页
        3.3.1 Hough圆定位算法的实现第33-34页
        3.3.2 Haar-Adaboost分类器定位算法的实现第34-37页
        3.3.3 HOG-SVM分类器定位算法的实现第37-40页
    3.4 本章小结第40-41页
第4章 速度传感器检测第41-51页
    4.1 基于相似性分析的速度传感器检测第42-44页
        4.1.1 结构相似性第42-44页
        4.1.2 直方图对比第44页
    4.2 基于SVM分类器的速度传感器检测第44-45页
        4.2.1 样本数据不平衡问题第44-45页
        4.2.2 速度传感器检测算法第45页
    4.3 速度传感器检测算法的实现第45-50页
        4.3.1 结构相似性检测算法的实现第45-47页
        4.3.2 直方图相似性对比算法的实现第47-48页
        4.3.3 SVM分类器识别算法的实现第48-50页
    4.4 本章小结第50-51页
第5章 检测模块设计与算法结果分析第51-61页
    5.1 系统设计第51-52页
    5.2 DLL封装设计第52-53页
    5.3 算法结果分析第53-58页
        5.3.1 目标区域定位算法分析第53-56页
        5.3.2 速度传感器检测算法分析第56-58页
    5.4 模块测试第58-59页
        5.4.1 算法测试第59页
        5.4.2 DLL测试第59页
    5.5 本章小结第59-61页
第6章 总结与展望第61-63页
    6.1 总结第61-62页
    6.2 展望第62-63页
参考文献第63-67页
附录 攻读硕士学位期间参与的项目第67-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:旺格维利开采工作面稳定性及地表移动变形分析
下一篇:基于SVM的矿山微震信号分类识别方法的研究