| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-13页 |
| 1绪论 | 第13-20页 |
| 1.1研究背景和意义 | 第13页 |
| 1.2国内外研究现状 | 第13-18页 |
| 1.3研究内容 | 第18页 |
| 1.4论文组织结构 | 第18-20页 |
| 2基础理论 | 第20-28页 |
| 2.1卷积神经网络 | 第20-23页 |
| 2.2相似性度量 | 第23-25页 |
| 2.3聚类有效性指标 | 第25-27页 |
| 2.4本章小结 | 第27-28页 |
| 3火成岩图像预处理 | 第28-34页 |
| 3.1CT扫描 | 第28-29页 |
| 3.2图像转换 | 第29页 |
| 3.3图像剪切 | 第29-30页 |
| 3.4图像增强 | 第30-31页 |
| 3.5滤波算法 | 第31-33页 |
| 3.6本章小结 | 第33-34页 |
| 4基于对称的全卷积神经网络的无监督特征提取模型 | 第34-44页 |
| 4.1VGG19网络模型 | 第34-36页 |
| 4.2无监督学习之自编码器 | 第36-38页 |
| 4.3基于对称的全卷积神经网络的无监督特征提取模型 | 第38-40页 |
| 4.4实验 | 第40-42页 |
| 4.5本章小结 | 第42-44页 |
| 5火成岩矿物组分识别与分类模型 | 第44-53页 |
| 5.1火成岩矿物组分识别与分类模型 | 第44页 |
| 5.2图像分割算法 | 第44-49页 |
| 5.3火成岩矿物组分识别与分类 | 第49-51页 |
| 5.4分析矿物组分 | 第51-52页 |
| 5.5本章小结 | 第52-53页 |
| 6总结与展望 | 第53-55页 |
| 6.1总结 | 第53页 |
| 6.2展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 作者简历 | 第61-63页 |
| 学位论文数据集 | 第63页 |