| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 铝土矿浮选工况识别研究现状 | 第10-11页 |
| 1.3 支持向量机多类分类算法的研究现状 | 第11-13页 |
| 1.4 论文的主要研究内容与全文结构 | 第13-14页 |
| 2 铝土矿泡沫浮选工艺原理与泡沫表面视觉特征分析 | 第14-29页 |
| 2.1 泡沫浮选原理 | 第14-17页 |
| 2.1.1 泡沫浮选机理与工艺过程 | 第14-16页 |
| 2.1.2 影响浮选性能的主要因素 | 第16-17页 |
| 2.2 浮选泡沫表面视觉特征分析 | 第17-27页 |
| 2.2.1 泡沫尺寸特征 | 第17-18页 |
| 2.2.2 泡沫颜色特征 | 第18-22页 |
| 2.2.3 泡沫纹理特征 | 第22-27页 |
| 2.3 泡沫表面视觉特征与浮选工况之间的关系 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 支持向量机多类分类算法 | 第29-35页 |
| 3.1 统计学习理论 | 第29-30页 |
| 3.1.1 VC维 | 第29-30页 |
| 3.1.2 结构风险最小化原则 | 第30页 |
| 3.2 支持向量机 | 第30-33页 |
| 3.2.1 线性情况下的支持向量机 | 第31-32页 |
| 3.2.2 非线性情况下的支持向量机 | 第32-33页 |
| 3.3 支持向量机多类分类算法 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 4 两种改进的支持向量机多类分类算法 | 第35-48页 |
| 4.1 基于类间“一类对二类”的多类分类算法 | 第35-41页 |
| 4.1.1 “一类对一类”算法 | 第35-36页 |
| 4.1.2 “一类对多类”.算法 | 第36-37页 |
| 4.1.3 “一类对一类”与“一类对多类”算法存在的问题 | 第37-38页 |
| 4.1.4 基于类间“一类对二类”多类分类算法的实现 | 第38-40页 |
| 4.1.5 算法仿真与分析 | 第40-41页 |
| 4.2 基于凸壳二叉树的多类分类算法 | 第41-47页 |
| 4.2.1 决策二叉树算法 | 第41-42页 |
| 4.2.2 决策有向无环图算法 | 第42-43页 |
| 4.2.3 决策有向无环图与决策二叉树算法存在的问题 | 第43-44页 |
| 4.2.4 基于凸壳二叉树多类分类算法的实现 | 第44-46页 |
| 4.2.5 算法仿真与分析 | 第46-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 基于支持向量机多类分类算法的铝土矿泡沫浮选工况识别方法 | 第48-53页 |
| 5.1 基于SVM多类分类算法的泡沫浮选工况识别方法 | 第48-50页 |
| 5.2 实验与分析 | 第50-52页 |
| 5.3 本章小结 | 第52-53页 |
| 6 结论与展望 | 第53-54页 |
| 6.1 研究工作总结 | 第53页 |
| 6.2 后续工作展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士学位期间主要研究成果 | 第59页 |
