| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 1. 绪论 | 第9-17页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·板形模式识别综述 | 第10-15页 |
| ·传统板形模式识别技术 | 第10-11页 |
| ·现代板形模式识别技术 | 第11-14页 |
| ·目前存在的问题以及未来发展的方向 | 第14-15页 |
| ·本文的研究内容及各章节的编排 | 第15-17页 |
| 2. 板形的基础知识 | 第17-26页 |
| ·板形的相关概念 | 第17页 |
| ·板形的表示方法 | 第17-21页 |
| ·板带材横断面形状的表示方法 | 第17-19页 |
| ·板带材平直度的表示方法 | 第19-21页 |
| ·板形缺陷及影响因素 | 第21-24页 |
| ·板形缺陷的本质 | 第21-22页 |
| ·板形缺陷的种类 | 第22-23页 |
| ·板形的影响因素 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 3. 神经网络与免疫遗传算法概述 | 第26-46页 |
| ·神经网络概述 | 第26-35页 |
| ·神经网络的基本特点与功能 | 第26-29页 |
| ·BP 神经网络及其算法 | 第29-32页 |
| ·RBF 神经网络及其算法 | 第32-34页 |
| ·RBF-BP 神经网络模型及算法 | 第34-35页 |
| ·免疫算法与遗传算法概述 | 第35-42页 |
| ·免疫算法 | 第35-38页 |
| ·遗传算法 | 第38-41页 |
| ·免疫算法与遗传算法的比较 | 第41-42页 |
| ·免疫遗传算法（IGA） | 第42-45页 |
| ·免疫遗传算法的基本原理及特点 | 第42-43页 |
| ·免疫遗传优化的算法实现 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 4. 基于 IGA 优化的 RBF-BP 网络的板形缺陷识别 | 第46-53页 |
| ·RBF-BP 组合神经网络板形缺陷模型的建立 | 第46-50页 |
| ·板形的基本模式及归一化处理 | 第46-47页 |
| ·RBF-BP 组合神经网络板形缺陷模型的建立 | 第47-49页 |
| ·训练样本的选取 | 第49-50页 |
| ·IGA 对 RBF-BP 组合神经网络的优化 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 5. IGA-RBF-BP 网络识别效果的仿真及对比分析 | 第53-59页 |
| ·IGA-RBF-BP 组合网络的仿真 | 第53-54页 |
| ·其他几种板形模式识别模型的仿真 | 第54-56页 |
| ·BP 的板形缺陷识别 | 第54页 |
| ·RBF-BP 的板形缺陷识别 | 第54-55页 |
| ·GA- RBF-BP 的板形缺陷识别 | 第55-56页 |
| ·仿真结果的对比分析 | 第56-57页 |
| ·IGA-RBF-BP 组合网络对实测数据的实验结果及分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 6. 结论 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者简介 | 第69-70页 |
