| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 过程工业中视频图像处理技术的研究现状 | 第13-17页 |
| 1.3 回转窑烧结工况识别研究现状及存在的问题 | 第17-18页 |
| 1.4 本文的主要工作 | 第18-20页 |
| 第2章 回转窑熟料烧结工况识别问题描述 | 第20-28页 |
| 2.1 回转窑烧结过程工艺描述 | 第20-22页 |
| 2.2 回转窑熟料烧结工况特性分析及识别现状描述 | 第22-26页 |
| 2.3 回转窑熟料烧结工况识别的难点 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 预备知识 | 第28-42页 |
| 3.1 视频图像信息预处理方法 | 第28-31页 |
| 3.2 特征提取方法 | 第31-37页 |
| 3.2.1 深度学习 | 第32-33页 |
| 3.2.2 独立子空间分析 | 第33-36页 |
| 3.2.3 单词包模型 | 第36-37页 |
| 3.3 基于随机向量函数连接模式分类器设计方法 | 第37-38页 |
| 3.4 基于模糊积分的多特征决策融合方法 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于卷积独立子空间分析的回转窑熟料烧结工况识别方法 | 第42-52页 |
| 4.1 基于卷积独立子空间分析的回转窑熟料烧结工况识别策略 | 第42-45页 |
| 4.2 基于主成分分析的白化降维预处理方法 | 第45-46页 |
| 4.3 基于卷积独立子空间与单词包模型的特征提取方法 | 第46-50页 |
| 4.3.1 卷积独立子空间算法 | 第46-49页 |
| 4.3.2 基于卷积独立子空间分析网络与单词包模型的特征提取方法 | 第49-50页 |
| 4.4 基于随机向量函数连接的显著区域子模式分类器设计 | 第50页 |
| 4.5 基于模糊积分的决策融合方法 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 实验结果与分析 | 第52-70页 |
| 5.1 数据描述 | 第52-54页 |
| 5.2 模型结构参数选择 | 第54-55页 |
| 5.3 基于主成分分析的白化降维预处理实验结果 | 第55-57页 |
| 5.4 基于卷积独立子空间分析与单词包模型的特征提取实验结果 | 第57-65页 |
| 5.5 基于随机向量函数连接和模糊积分的显著区域烧结工况实验结果 | 第65-66页 |
| 5.6 对比试验与分析 | 第66-69页 |
| 5.7 本章小结 | 第69-70页 |
| 第6章 结论与展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 攻读硕士期间的主要工作 | 第80页 |
