| 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 过程工业中图像处理技术研究现状 | 第13-15页 |
| 1.3 基于图像处理的回转窑熟料烧结工况识别方法研究现状 | 第15-16页 |
| 1.4 慢特征分析算法的研究与应用现状 | 第16-18页 |
| 1.5 本文主要工作 | 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20-21页 |
| 2.2 回转窑熟料烧结工况特性分析及识别现状描述 | 第21-25页 |
| 2.3 基于图像处理的回转窑熟料烧结工况识别难点 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 预备知识 | 第28-42页 |
| 3.1 图像的预处理方法 | 第28-32页 |
| 3.2 特征提取方法 | 第32-40页 |
| 3.2.1 卷积神经网络 | 第32-34页 |
| 3.2.2 慢特征分析 | 第34-38页 |
| 3.2.3 单词包模型 | 第38-40页 |
| 3.3 随机向量函数连接网络 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 基于卷积慢特征分析的回转窑熟料烧结工况识别方法 | 第42-52页 |
| 4.1 基于卷积慢特征分析的回转窑熟料烧结工况识别策略 | 第42-44页 |
| 4.2 基于PCA白化降维预处理方法 | 第44页 |
| 4.3 基于卷积慢特征分析的特征提取方法 | 第44-49页 |
| 4.4 基于单词包模型的特征提取方法 | 第49-51页 |
| 4.5 基于随机向量函数连接的分类器方法 | 第51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 实验与结果分析 | 第52-66页 |
| 5.1 数据描述 | 第52-53页 |
| 5.2 模型结构参数选择 | 第53-56页 |
| 5.3 基于时空块的预处理结果 | 第56-58页 |
| 5.4 基于卷积慢特征分析的特征提取实验结果 | 第58-60页 |
| 5.5 单词包模型特征提取实验结果 | 第60-62页 |
| 5.6 基于随机向量函数连接的分类器的回转窑工况识别结果 | 第62-63页 |
| 5.7 实验结果分析 | 第63-64页 |
| 5.8 本章小结 | 第64-66页 |
| 第6章 结论与展望 | 第66-68页 |
| 6.1 结论 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 攻读硕士期间的主要工作 | 第76页 |
