基于神经网络的冷轧带钢表面缺陷识别分类技术研究
| 摘 要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 引言 | 第8-15页 |
| ·冷轧带钢表面缺陷检测识别技术的发展现状 | 第8-9页 |
| ·模式识别技术国内外研究现状分析 | 第9-13页 |
| ·统计模式识别 | 第9-11页 |
| ·模糊模式识别 | 第11页 |
| ·神经网络 | 第11-13页 |
| ·人工智能方法 | 第13页 |
| ·课题的来源 | 第13-14页 |
| ·课题的研究内容 | 第14-15页 |
| 第二章 冷轧带钢表面缺陷识别分类系统设计方案 | 第15-30页 |
| ·系统总体设计方案 | 第15-18页 |
| ·系统的硬件设计方案 | 第16页 |
| ·系统的软件设计方案 | 第16-18页 |
| ·缺陷识别分类器的选择 | 第18-19页 |
| ·BP 神经网络算法研究 | 第19-28页 |
| ·BP 神经网络模型 | 第19-21页 |
| ·BP 神经网络的计算特点 | 第21-23页 |
| ·BP 反向传播学习算法 | 第23-26页 |
| ·BP 算法存在的缺陷分析 | 第26-27页 |
| ·改进 BP 算法收敛速度的一些措施 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 特征提取与选择 | 第30-42页 |
| ·模式空间、特征空间、类型空间 | 第30-37页 |
| ·特征提取和特征选择基本概念 | 第30-32页 |
| ·特征提取 | 第32-37页 |
| ·基于信息熵的特征选择方法 | 第37-41页 |
| ·信息熵的基本概念 | 第37-39页 |
| ·信息熵的基本定理 | 第39页 |
| ·基于信息熵的特征选取方法 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于 BP 神经网络的分类器设计 | 第42-57页 |
| ·BP 神经网络基本结构设计 | 第42页 |
| ·BP 网络分类器设计中存在的问题及解决方法 | 第42-55页 |
| ·缺陷类别的合理划分 | 第42-44页 |
| ·初始权值的设置 | 第44-46页 |
| ·目标向量的构造 | 第46页 |
| ·加入惩罚项 | 第46-49页 |
| ·缺陷类别的排列顺序 | 第49-55页 |
| ·本章小结 | 第55-57页 |
| 第五章 总结 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 个人简历、在学期间的研究成果及发表论文 | 第61页 |
