非负矩阵分解算法在纤维自动识别中的应用研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 纤维识别研究现状 | 第12页 |
| 1.2.2 非负矩阵分解研究现状 | 第12-13页 |
| 1.3 研究的目标、内容和创新点 | 第13-14页 |
| 1.3.1 研究目标 | 第13-14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.3.3 创新点 | 第14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关技术 | 第16-26页 |
| 2.1 图像识别技术和概念 | 第16-17页 |
| 2.1.1 基本概念 | 第16页 |
| 2.1.2 图像识别技术 | 第16-17页 |
| 2.2 非负矩阵分解 | 第17-21页 |
| 2.2.1 NMF基本概念 | 第18页 |
| 2.2.2 NMF的优化模型 | 第18-19页 |
| 2.2.3 NMF问题的性质和解的性质 | 第19-20页 |
| 2.2.4 NMF模型 | 第20-21页 |
| 2.3 非负矩阵分解的求解算法 | 第21-23页 |
| 2.4 遗传算法 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 纤维自动识别总体设计 | 第26-31页 |
| 3.1 技术路线 | 第26-27页 |
| 3.2 图像预处理 | 第27-28页 |
| 3.3 特征提取 | 第28-29页 |
| 3.4 分类识别 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 非负矩阵分解算法在纤维自动识别中的应用 | 第31-36页 |
| 4.1 纤维图像预处理 | 第32-33页 |
| 4.2 纤维特征提取与分类识别 | 第33-35页 |
| 4.3 实验结果与分析 | 第35页 |
| 4.4 本章小结 | 第35-36页 |
| 第五章 基于NMF稀疏度约束的纤维特征提取 | 第36-41页 |
| 5.1 常用约束条件的NMF算法 | 第36-37页 |
| 5.2 基于NMF稀疏度约束的纤维特征提取 | 第37-40页 |
| 5.2.1 稀疏度约束对纤维特征提取的影响 | 第37-39页 |
| 5.2.2 稀疏度约束值的确定 | 第39页 |
| 5.2.3 实验结果及分析 | 第39-40页 |
| 5.3 本章小结 | 第40-41页 |
| 第六章 纤维的NMF稀疏度约束自适应遗传算法 | 第41-49页 |
| 6.1 确定纤维的NMF稀疏度约束的难点 | 第41页 |
| 6.2 遗传算法 | 第41-44页 |
| 6.2.1 遗传算法特点 | 第41-42页 |
| 6.2.2 基本操作 | 第42-43页 |
| 6.2.3 理论基础 | 第43-44页 |
| 6.3 纤维的NMF稀疏度约束自适应遗传算法 | 第44-48页 |
| 6.3.1 纤维的NMF稀疏度约束的编码设计 | 第44-45页 |
| 6.3.2 稀疏度约束的初始群体 | 第45页 |
| 6.3.3 适应度评价检测 | 第45-46页 |
| 6.3.4 选择 | 第46-47页 |
| 6.3.5 交叉 | 第47页 |
| 6.3.6 变异 | 第47-48页 |
| 6.3.7 实验结果及分析 | 第48页 |
| 6.4 本章小结 | 第48-49页 |
| 第七章 总结与展望 | 第49-51页 |
| 7.1 总结 | 第49-50页 |
| 7.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间的研究成果目录 | 第55-56页 |
| 致谢 | 第56页 |
