| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题的研究背景和意义 | 第10-11页 |
| ·课题的研究动态 | 第11-15页 |
| ·分类器的研究动态 | 第11-12页 |
| ·神经网络分类方法的研究现状 | 第12-14页 |
| ·水泥及其基材料分类的研究动态 | 第14-15页 |
| ·论文主要研究内容和创新点 | 第15-16页 |
| ·论文研究内容 | 第15页 |
| ·论文创新点 | 第15-16页 |
| ·本文组织结构 | 第16-18页 |
| 第二章 基本理论与技术简介 | 第18-32页 |
| ·人工神经网络 | 第18-19页 |
| ·粒子群优化算法(PSO) | 第19-22页 |
| ·PSO算法原理 | 第19-20页 |
| ·PSO算法步骤 | 第20-22页 |
| ·聚类算法 | 第22-27页 |
| ·K-Means算法 | 第22-23页 |
| ·K-medoids算法 | 第23-25页 |
| ·DBSCAN算法 | 第25-27页 |
| ·浮动质心法神经网络分类器概述 | 第27-30页 |
| ·FCM神经网络分类器模型 | 第28页 |
| ·FCM神经网络分类器的原理 | 第28-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 FCM神经网络分类器的改进研究 | 第32-48页 |
| ·分类性能评价标准 | 第32-33页 |
| ·基于K-medoids聚类的FCM神经网络分类器 | 第33-38页 |
| ·质心形成算法 | 第34页 |
| ·质心染色算法 | 第34-35页 |
| ·学习过程算法 | 第35-36页 |
| ·实验结果及分析 | 第36-38页 |
| ·基于DBSCAN聚类的FCM神经网络分类器 | 第38-46页 |
| ·聚簇形成算法 | 第38-39页 |
| ·聚簇染色算法 | 第39-40页 |
| ·学习过程算法 | 第40-41页 |
| ·实验结果及分析 | 第41-44页 |
| ·算法时间分析 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第四章 硅酸盐水泥及其基材料分类研究 | 第48-62页 |
| ·硅酸盐水泥的水化原理 | 第48-50页 |
| ·硅酸盐水泥熟料的组成 | 第48页 |
| ·硅酸盐水泥的水化过程 | 第48-50页 |
| ·硅酸盐水泥强度的影响因素 | 第50页 |
| ·混凝土强度分类 | 第50-55页 |
| ·混凝土实验数据获取 | 第51-52页 |
| ·实验结果及分析 | 第52-55页 |
| ·硅酸盐水泥水化图像分类 | 第55-60页 |
| ·水泥水化图像数据提取 | 第55-57页 |
| ·实验结果及分析 | 第57-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·下一步工作 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 附录 | 第70-71页 |