| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-12页 |
| 1.2 齿轮缺陷检测方法和遗传算法的国内外研究现状 | 第12-14页 |
| 1.2.1 齿轮缺陷检测方法的国内外研究现状 | 第12-14页 |
| 1.2.2 遗传算法的国内外研究现状 | 第14页 |
| 1.3 遗传算法应用研究方面 | 第14-15页 |
| 1.4 课题研究主要内容 | 第15-16页 |
| 第2章 齿轮缺陷识别线下部分的研究 | 第16-23页 |
| 2.1 齿轮缺陷识别线下部分的分块描述 | 第16-21页 |
| 2.1.1 图像预处理 | 第16-18页 |
| 2.1.2 选取高效的特征提取方法 | 第18-21页 |
| 2.1.3 降维 | 第21页 |
| 2.2 SVM关键参数的优化 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 遗传与爬山算法的研究 | 第23-38页 |
| 3.1 引言 | 第23页 |
| 3.2 遗传算法的研究 | 第23-30页 |
| 3.2.1 基本遗传算法 | 第23-25页 |
| 3.2.2 基本遗传算法的实现 | 第25页 |
| 3.2.3 基本遗传算法存在的问题 | 第25-27页 |
| 3.2.4 改进的遗传算法的主要步骤分析 | 第27-30页 |
| 3.3 爬山算法 | 第30-37页 |
| 3.3.1 爬山算法原理 | 第31-34页 |
| 3.3.2 改进的爬山算法 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 遗传与爬山算法的仿真实验 | 第38-43页 |
| 4.1 引言 | 第38页 |
| 4.2 改进的遗传算法实验 | 第38-40页 |
| 4.2.1 改进的遗传算法的仿真与分析 | 第38-40页 |
| 4.2.2 改进的遗传算法的实验结论 | 第40页 |
| 4.3 改进的爬山算法的实验 | 第40-42页 |
| 4.3.1 改进的爬山算法的仿真与分析 | 第40-41页 |
| 4.3.2 改进的爬山算法的实验结论 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 遗传-爬山算法在智能识别系统的应用 | 第43-56页 |
| 5.1 引言 | 第43页 |
| 5.2 样本的收集和预处理 | 第43-45页 |
| 5.3 样本图像的预处理过程 | 第45-48页 |
| 5.3.1 同态滤波处理过程 | 第46页 |
| 5.3.2 CMHT处理过程 | 第46页 |
| 5.3.3 双边滤波处理过程 | 第46-47页 |
| 5.3.4 高斯滤波处理过程 | 第47-48页 |
| 5.4 特征选则与降维 | 第48-50页 |
| 5.4.1 选取TAMURA特征 | 第48页 |
| 5.4.2 选取LBP特征 | 第48-49页 |
| 5.4.3 选取HOG特征 | 第49-50页 |
| 5.4.4 选取ZERNIKE矩特征 | 第50页 |
| 5.5 确定最终的特征提取方法 | 第50-51页 |
| 5.6 识别系统的训练与识别流程 | 第51-52页 |
| 5.7 GA-SVM算法与网格法-SVM算法的参数设置 | 第52-54页 |
| 5.7.1 爬山-遗传算法的具体设置 | 第53-54页 |
| 5.7.2 网格法算法的参数设置 | 第54页 |
| 5.8 GA-SVM算法与网格法-SVM算法的性能分析 | 第54-55页 |
| 5.9 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
