| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题研究背景及意义 | 第9-12页 |
| 1.1.1 课题背景 | 第9-11页 |
| 1.1.2 课题意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 重介质法选煤 | 第12页 |
| 1.2.3 跳汰选煤 | 第12-13页 |
| 1.2.4 利用电子设备检测 | 第13-15页 |
| 1.3 论文结构安排 | 第15-17页 |
| 第2章 基于CUDA的灰度共生矩阵计算方法及优化 | 第17-33页 |
| 2.1 引言 | 第17页 |
| 2.2 灰度共生矩阵简介 | 第17-18页 |
| 2.3 CUDA简介 | 第18-20页 |
| 2.3.1 CUDA软件体系 | 第18-19页 |
| 2.3.2 硬件架构 | 第19-20页 |
| 2.4 基于CUDA的灰度共生矩阵计算及其优化方法 | 第20-32页 |
| 2.4.1 灰度共生矩阵并行程序设计与分析(方案1) | 第20-22页 |
| 2.4.2 基于拷贝机制的灰度共生矩阵计算优化方法(方案2) | 第22-27页 |
| 2.4.3 基于CUDA流的图像分块处理策略(方案3) | 第27-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于支持向量机与灰度共生矩阵的煤矸石识别算法 | 第33-45页 |
| 3.1 支持向量机简介 | 第33-35页 |
| 3.2 煤与煤矸石定位算法的研究 | 第35-39页 |
| 3.3 灰度共生矩阵相关特征提取 | 第39-42页 |
| 3.4 支持向量机的煤与煤矸石识别算法 | 第42-43页 |
| 3.5 本章小结 | 第43-45页 |
| 第4章 基于迁移学习和卷积神经网络的煤矸石分选算法 | 第45-55页 |
| 4.1 引言 | 第45页 |
| 4.2 卷积神经网络架构概述 | 第45-48页 |
| 4.2.1 卷积层 | 第46-47页 |
| 4.2.2 池化层 | 第47-48页 |
| 4.2.3 全连接层 | 第48页 |
| 4.2.4 卷积神经网络的训练 | 第48页 |
| 4.3 AlexNet网络结构 | 第48-50页 |
| 4.4 数据预处理 | 第50-51页 |
| 4.5 基于迁移学习和卷积神经网络的煤矸石分选算法 | 第51-54页 |
| 4.5.1 迁移学习 | 第51页 |
| 4.5.2 实验设置 | 第51-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 基于稀疏矩阵和权值剪枝的模型压缩方法的应用 | 第55-61页 |
| 5.1 稀疏矩阵简介 | 第55-56页 |
| 5.2 模型压缩综述 | 第56-57页 |
| 5.3 基于稀疏矩阵和权值剪枝的模型压缩方法 | 第57-58页 |
| 5.4 实验结果及分析 | 第58-59页 |
| 5.5 本章小结 | 第59-61页 |
| 第6章 总结与展望 | 第61-65页 |
| 6.1 研究总结 | 第61-62页 |
| 6.2 研究展望 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 个人简历、在学期间发表的学术论文和研究成果 | 第71页 |
