基于并行分类器集成的板带钢表面缺陷图像识别
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-22页 |
| ·课题背景 | 第12-13页 |
| ·研究的现状 | 第13-16页 |
| ·带钢检测的国内外发展现状 | 第13-14页 |
| ·多分类器集成的国外研究进展 | 第14-15页 |
| ·多分类器集成的国内研究进展 | 第15-16页 |
| ·存在的主要问题 | 第16-19页 |
| ·研究的意义 | 第19页 |
| ·研究的主要内容 | 第19-22页 |
| 第2章 特征提取与选择 | 第22-36页 |
| ·带钢的表面缺陷特征提取 | 第22-33页 |
| ·直方图统计特征 | 第24-25页 |
| ·小波变换特征 | 第25-28页 |
| ·灰度共生矩阵特征 | 第28-30页 |
| ·不变矩特征 | 第30-33页 |
| ·特征的组合选择 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 模式识别分类器研究 | 第36-56页 |
| ·线性判别分析 | 第36页 |
| ·近邻分类器 | 第36-38页 |
| ·最近邻法 | 第37页 |
| ·K最近邻分类器 | 第37-38页 |
| ·人工神经网络研究 | 第38-51页 |
| ·BP神经网络 | 第38-44页 |
| ·LVQ神经网络 | 第44-47页 |
| ·RBF神经网络 | 第47-51页 |
| ·支持向量机 | 第51-55页 |
| ·支持向量机原理 | 第51-54页 |
| ·支持向量机算法实现 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 多分类器集成系统研究 | 第56-68页 |
| ·多分类器集成系统成功的原因 | 第56-57页 |
| ·分类器的输出模式 | 第57-63页 |
| ·输出为决策层的多分类器集成 | 第57-59页 |
| ·输出为排序层的多分类器集成 | 第59-60页 |
| ·输出为度量层的多分类器集成 | 第60-63页 |
| ·基分类器差异性度量 | 第63-67页 |
| ·差异性度量的概念 | 第63页 |
| ·基分类器差异性度量 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 实验设计与结果分析 | 第68-82页 |
| ·初级检测模型 | 第68-70页 |
| ·本文主要研究的几类带钢缺陷 | 第70-71页 |
| ·带钢缺陷并行分类器集成的研究 | 第71-73页 |
| ·实验结果与分析 | 第73-77页 |
| ·单个分类器实验 | 第73-74页 |
| ·并行分类器集成识别实验 | 第74-75页 |
| ·基于PCNN特征的分类器集成实验 | 第75-76页 |
| ·研究样本对分类器的影响实验 | 第76-77页 |
| ·软件系统编制 | 第77-80页 |
| ·开发环境 | 第77-78页 |
| ·软件系统介绍 | 第78-80页 |
| ·本章小结 | 第80-82页 |
| 第6章 结论 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-92页 |
| 攻读硕士期间发表论文 | 第92页 |
