氧化铝回转窑火焰图像识别、检索与聚类研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-15页 |
| ·研究背景和意义 | 第12-14页 |
| ·氧化铝工业概况 | 第12-13页 |
| ·氧化铝熟料烧结中信息化的主要问题 | 第13-14页 |
| ·论文选题的目的与意义 | 第14-15页 |
| 第二章 文献综述 | 第15-39页 |
| ·烧结法氧化铝生产工艺及熟料窑自动控制系统综述 | 第15-24页 |
| ·氧化铝烧结生产工艺概述 | 第15-17页 |
| ·氧化铝回转窑自动控制系统综述 | 第17-21页 |
| ·氧化铝回转窑火焰图像处理技术综述 | 第21-23页 |
| ·氧化铝回转窑数值仿真概述 | 第23-24页 |
| ·图像识别、图像检索及图像聚类挖掘概述 | 第24-33页 |
| ·图像识别技术综述 | 第24-25页 |
| ·图像检索技术综述 | 第25-30页 |
| ·图像挖掘技术综述 | 第30-33页 |
| ·聚类挖掘技术 | 第33-38页 |
| ·聚类挖掘简介 | 第33页 |
| ·聚类挖掘主要技术 | 第33-37页 |
| ·聚类可视化挖掘 | 第37-38页 |
| ·论文研究内容与方案 | 第38-39页 |
| 第三章 氧化铝回转窑窑外千燥与相关仿真研究 | 第39-58页 |
| ·氧化铝回转窑窑外干燥 | 第39-42页 |
| ·窑外干燥塔的仿真研究 | 第42-50页 |
| ·窑外干燥塔仿真模型 | 第42-45页 |
| ·窑外干燥塔仿真结果 | 第45-50页 |
| ·氧化铝回转窑动态仿真的研究 | 第50-56页 |
| ·氧化铝回转窑动态仿真模型 | 第50-53页 |
| ·氧化铝回转窑动态仿真实现 | 第53-54页 |
| ·氧化铝回转窑动态仿真试验 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第四章 回转窑火焰图像预处理及特征值提取 | 第58-82页 |
| ·引言 | 第58页 |
| ·回转窑火焰图像的获取及预处理 | 第58-63页 |
| ·火焰图像的获取 | 第58-60页 |
| ·火焰图像预处理 | 第60-63页 |
| ·回转窑火焰图像分割 | 第63-68页 |
| ·阀值分割 | 第63-64页 |
| ·FCM分割 | 第64-65页 |
| ·多区域多阀值分割 | 第65-67页 |
| ·回转窑火焰图像分割结果 | 第67-68页 |
| ·火焰图像特征值提取 | 第68-80页 |
| ·纹理特征 | 第68-70页 |
| ·火焰及物料的一般特征 | 第70-72页 |
| ·分形特征 | 第72-73页 |
| ·火焰形状特征 | 第73-75页 |
| ·特征提取试验 | 第75-78页 |
| ·火焰图像及特征数据库的设计与实现 | 第78-80页 |
| ·本章小结 | 第80-82页 |
| 第五章 回转窑火焰图像识别研究 | 第82-103页 |
| ·引言 | 第82-83页 |
| ·神经网络理论及算法 | 第83-88页 |
| ·神经网络简介 | 第83-84页 |
| ·BP神经网络 | 第84-86页 |
| ·改进的BP神经网络 | 第86-88页 |
| ·回转窑火焰图像识别研究 | 第88-97页 |
| ·神经网络结构设计与实现 | 第88-91页 |
| ·神经网络样本选择 | 第91-92页 |
| ·神经网络识别试验及结果 | 第92-97页 |
| ·结果讨论 | 第97页 |
| ·基于图像识别的动态仿真研究 | 第97-101页 |
| ·本章小结 | 第101-103页 |
| 第六章 回转窑火焰图像检索研究 | 第103-123页 |
| ·引言 | 第103-104页 |
| ·基于内容的图像检索 | 第104-109页 |
| ·基于内容图像检索简介 | 第104页 |
| ·基于内容图像检索的关键技术 | 第104-107页 |
| ·基于内容的回转窑火焰图像检索算法 | 第107-109页 |
| ·基于内容的火焰图像检索试验研究 | 第109-113页 |
| ·检索试验准备 | 第109-110页 |
| ·检索试验及试验结果 | 第110-112页 |
| ·检索试验结果讨论 | 第112-113页 |
| ·基于语义的回转窑火焰图像检索 | 第113-122页 |
| ·基于语义的图像检索简介 | 第113-114页 |
| ·回转窑火焰图像语义模型 | 第114-119页 |
| ·回转窑火焰图像语义检索实验及结果讨论 | 第119-122页 |
| ·本章小结 | 第122-123页 |
| 第七章 回转窑火焰图像聚类挖掘的研究 | 第123-138页 |
| ·引言 | 第123页 |
| ·基于灰关联度的回转窑火焰图像聚类挖掘模型 | 第123-131页 |
| ·灰关联度模型 | 第124-125页 |
| ·基于灰关联度的K-Means聚类模型 | 第125-126页 |
| ·基于灰关联度的Gry-k-Means聚类算法 | 第126-128页 |
| ·火焰图像聚类试验研究 | 第128-131页 |
| ·火焰图像信息系统的实现 | 第131-137页 |
| ·系统总体结构 | 第131页 |
| ·火焰图像识别功能模块 | 第131-132页 |
| ·回转窑火焰图像检索功能模块 | 第132-133页 |
| ·火焰图像聚类挖掘模块 | 第133-134页 |
| ·回转窑火焰图像信息系统实现 | 第134-137页 |
| ·本章小结 | 第137-138页 |
| 第八章 总结和展望 | 第138-141页 |
| ·主要内容总结 | 第138-140页 |
| ·展望 | 第140-141页 |
| 参考文献 | 第141-153页 |
| 攻读博士学位期间科研成果目录 | 第153-155页 |
| 致谢 | 第155页 |
