| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| ·研究背景及意义 | 第7页 |
| ·相关领域的国内外研究现状 | 第7-9页 |
| ·图像处理技术在识别纤维种类中的研究概况 | 第7-8页 |
| ·遗传算法在优化理论中的研究概况 | 第8-9页 |
| ·支持向量机在模式识别中的研究概况 | 第9页 |
| ·研究目标与研究内容 | 第9-10页 |
| ·论文的行文结构 | 第10-11页 |
| 2 纱线横截面的图像处理 | 第11-19页 |
| ·图像分割技术的发展现状 | 第11-13页 |
| ·图像分割的定义 | 第11-12页 |
| ·图像分割的方法 | 第12-13页 |
| ·纱线横截面图像获取方法简介 | 第13-14页 |
| ·预处理步骤 | 第14-18页 |
| ·预处理解决方案 | 第18页 |
| ·本章小节 | 第18-19页 |
| 3 遗传算法及其改进 | 第19-29页 |
| ·遗传算法的基本概念 | 第19-20页 |
| ·遗传算法的理论基础 | 第20-22页 |
| ·模式的定义 | 第20页 |
| ·模式定理 | 第20-22页 |
| ·积木块假设 | 第22页 |
| ·隐藏并行性 | 第22页 |
| ·遗传算法的控制参数和基本流程 | 第22-24页 |
| ·遗传算法中选择算子的改进 | 第24-27页 |
| ·算法过程 | 第25-26页 |
| ·算法结果分析 | 第26-27页 |
| ·本章小节 | 第27-29页 |
| 4 支持向量机理论 | 第29-41页 |
| ·机器学习的基本问题和方法 | 第29-31页 |
| ·机器学习 | 第29-30页 |
| ·经验风险最小化 | 第30-31页 |
| ·推广性与复杂性 | 第31页 |
| ·统计学习理论的核心内容 | 第31-34页 |
| ·函数集的VC维 | 第31-32页 |
| ·推广性的界 | 第32-33页 |
| ·结构风险最小化 | 第33-34页 |
| ·支持向量机 | 第34-40页 |
| ·支持向量机的原理 | 第34-39页 |
| ·核函数 | 第39-40页 |
| ·核函数的选择 | 第40页 |
| ·本章小结 | 第40-41页 |
| 5 纱线横截面图像分割实验及应用 | 第41-61页 |
| ·实验目的与基本流程 | 第41页 |
| ·羊毛和粘胶的形态特征提取 | 第41-44页 |
| ·数据的归一化处理 | 第44-45页 |
| ·SVM分类器的设计 | 第45-48页 |
| ·应用支持向量机对混纺纱线横截面图像进行分割的实验 | 第48-57页 |
| ·网格搜索参数寻优和支持向量机结合的图像分割实验 | 第48-52页 |
| ·遗传算法参数寻优和支持向量机结合的图像分割实验 | 第52-56页 |
| ·实验结果对比分析 | 第56-57页 |
| ·混纺纱线横截面图像分割后的应用 | 第57-60页 |
| ·纱线混纺比的计算 | 第58-59页 |
| ·纤维径向分布的计算 | 第59-60页 |
| ·误差分析 | 第60页 |
| ·本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| ·全文总结 | 第61页 |
| ·研究展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |