基于支持向量机的长绒棉分类研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·研究背景 | 第7-8页 |
| ·研究现状及选题意义 | 第8-10页 |
| ·原棉分类的研究现状 | 第8-9页 |
| ·支持向量机算法的研究现状 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·论文的研究内容 | 第10-11页 |
| ·论文的组织结构 | 第11-12页 |
| 第二章 长绒棉纤维性能及检测 | 第12-23页 |
| ·长绒棉的特点与类型 | 第12-13页 |
| ·长绒棉的特点 | 第12页 |
| ·长绒棉类型划分 | 第12-13页 |
| ·传统生产中长绒棉分类及缺点 | 第13-15页 |
| ·传统生产中长绒棉分类依据 | 第13页 |
| ·产品用途与原棉选配的关系 | 第13-14页 |
| ·传统分类及其缺点 | 第14-15页 |
| ·长绒棉纤维性能检测及分类指标选择 | 第15-22页 |
| ·HVI 测试的技术指标 | 第15-17页 |
| ·色特征级指标 | 第15-16页 |
| ·长度指标 | 第16页 |
| ·强伸性指标 | 第16-17页 |
| ·含杂指标 | 第17页 |
| ·成熟系数与马克隆值 | 第17页 |
| ·长绒棉分类 HVI 指标选择 | 第17-21页 |
| ·偏相关分析 | 第18页 |
| ·长绒棉 HVI 指标的偏相关分析 | 第18-21页 |
| ·原棉重要指标对成纱质量的影响 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 支持向量机 | 第23-32页 |
| ·统计学习理论 | 第23-25页 |
| ·学习过程的一致性及条件 | 第23页 |
| ·VC 维 | 第23-24页 |
| ·推广性的界 | 第24页 |
| ·结构风险最小化 | 第24-25页 |
| ·支持向量机 | 第25-27页 |
| ·最优分类面 | 第25-26页 |
| ·核函数 | 第26-27页 |
| ·支持向量机分类 | 第27-31页 |
| ·线性支持向量机 | 第27-28页 |
| ·非线性支持向量机 | 第28-29页 |
| ·多类分类支持向量机 | 第29-31页 |
| ·一对多组合（ONE AGAINST ALL） | 第30页 |
| ·一对一组合（ONE AGAINST ONE） | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 试验设计与结果分析 | 第32-61页 |
| ·基于 SVM 的长绒棉分类流程 | 第32-36页 |
| ·实验数据 | 第33-34页 |
| ·数据归一化 | 第34-35页 |
| ·SVM 模型的参数及核函数选择 | 第35-36页 |
| ·基于 SVM 的长绒棉分类 | 第36-59页 |
| ·50 支纱长绒棉分类 | 第36-48页 |
| ·OAA-SVM 模型分类 | 第37-40页 |
| ·OAO-SVM 模型分类 | 第40-41页 |
| ·50 支纱分类结果对比 | 第41-48页 |
| ·80 支纱长绒棉分类 | 第48-59页 |
| ·OAA-SVM 模型分类 | 第49-51页 |
| ·OAO-SVM 模型分类 | 第51-53页 |
| ·80 支纱分类结果对比 | 第53-59页 |
| ·分类模型的评价 | 第59-61页 |
| 第五章 总结 | 第61-62页 |
| ·主要结论 | 第61页 |
| ·进一步研究方向 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录 | 第65-81页 |
| 在读期间发表论文 | 第81-82页 |
| 致谢 | 第82页 |
