特征分层筛选方法和高性能分类模型研究与应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 本文的研究内容 | 第12-14页 |
| 2 图像预处理 | 第14-28页 |
| 2.1 烟叶的图像采集 | 第14页 |
| 2.2 烟叶图像的低层处理 | 第14-18页 |
| 2.2.1 背景分割 | 第15-17页 |
| 2.2.2 去除噪声 | 第17-18页 |
| 2.3 特征提取 | 第18-27页 |
| 2.4 小结 | 第27-28页 |
| 3 烟叶分级模型的选择 | 第28-39页 |
| 3.1 支持向量机 | 第28-30页 |
| 3.2 随机森林 | 第30-31页 |
| 3.3 稀疏表示 | 第31-33页 |
| 3.4 自适应增强算法 | 第33-35页 |
| 3.5 BP神经网络 | 第35-37页 |
| 3.6 实验与结果分析 | 第37-39页 |
| 4 最优高层特征组合选择 | 第39-63页 |
| 4.1 第一层:基于离散度比值算法进行特征初筛选 | 第39-42页 |
| 4.2 第二层：特征组合的筛选 | 第42-56页 |
| 4.2.1 基于改进粒子群算法进行特征组合筛选 | 第42-45页 |
| 4.2.2 基于改进的遗传算法进行特征组合筛选 | 第45-56页 |
| 4.3 第三层：频繁项集进行特征筛选 | 第56-59页 |
| 4.4 实验与结果分析 | 第59-63页 |
| 5 总结和展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 个人简历、在学期间发表的学术论文与参与项目 | 第70页 |
