| 摘要 | 第7-9页 |
| ABSTRACT | 第9-11页 |
| 第一章 绪论 | 第16-38页 |
| 1.1 课题来源 | 第16页 |
| 1.2 课题研究的目的和意义 | 第16-23页 |
| 1.2.1 环模制粒机工艺介绍 | 第18-20页 |
| 1.2.2 环模制粒机控制问题 | 第20-23页 |
| 1.3 国内外研究现状 | 第23-31页 |
| 1.3.1 环模制粒机控制研究现状 | 第23-26页 |
| 1.3.2 参数不确定大时滞对象智能控制研究现状 | 第26-28页 |
| 1.3.3 融合机器视觉的产品品质检测及其过程控制应用研究现状 | 第28-29页 |
| 1.3.4 粘连目标分割研究现状 | 第29页 |
| 1.3.5 基于词袋模型的图像纹理分类研究现状 | 第29-31页 |
| 1.4 课题研究的主要研究目标、研究内容与创新点 | 第31-34页 |
| 1.4.1 研究目标 | 第31-32页 |
| 1.4.2 研究内容 | 第32-33页 |
| 1.4.3 创新点 | 第33-34页 |
| 1.5 研究框架 | 第34-38页 |
| 第二章 基于模糊层次分析和群体智能算法的特征加权支持向量机回归模型研究 | 第38-60页 |
| 2.1 引言 | 第38-39页 |
| 2.2 支持向量机理论 | 第39-43页 |
| 2.2.1 统计学习理论基础 | 第39-41页 |
| 2.2.2 支持向量回归 | 第41-43页 |
| 2.3 基于模糊层次分析法的特征加权支持向量机回归建模 | 第43-47页 |
| 2.3.1 模糊层次分析模型 | 第44-46页 |
| 2.3.2 特征加权支持向量机（FWSVM） | 第46-47页 |
| 2.4 基于改进细菌觅食算法的SVM参数优化 | 第47-54页 |
| 2.4.1 SVM参数选择及参数优化算法 | 第47-48页 |
| 2.4.2 标准细菌觅食算法原理 | 第48-50页 |
| 2.4.3 基于高斯分布的优化细菌觅食算法 | 第50-54页 |
| 2.5 实验和分析 | 第54-59页 |
| 2.5.1 实验对象介绍 | 第54-55页 |
| 2.5.2 实验对象预测建模 | 第55-57页 |
| 2.5.3 实验结果分析 | 第57-59页 |
| 2.6 本章小结 | 第59-60页 |
| 第三章 一类参数不确定大时滞对象控制研究与设计 | 第60-79页 |
| 3.1 引言 | 第60-61页 |
| 3.2 基于专家控制策略的控制系统 | 第61-64页 |
| 3.2.1 专家控制器设计 | 第61-63页 |
| 3.2.2 仿真实验 | 第63-64页 |
| 3.3 基于SVM的黄金分割控制系统 | 第64-68页 |
| 3.3.1 基于黄金分割的温度控制器设计 | 第65-66页 |
| 3.3.2 稳定性分析 | 第66-67页 |
| 3.3.3 仿真实验 | 第67-68页 |
| 3.4 基于SVM的模糊专家控制系统 | 第68-72页 |
| 3.4.1 专家解耦控制器设计 | 第69页 |
| 3.4.2 模糊专家控制器设计 | 第69-71页 |
| 3.4.3 比值控制器设计 | 第71-72页 |
| 3.4.4 仿真实验 | 第72页 |
| 3.5 实验和分析 | 第72-77页 |
| 3.5.1 实验平台介绍 | 第72-74页 |
| 3.5.2 参数设置与实验步骤 | 第74-76页 |
| 3.5.3 实验结果分析 | 第76-77页 |
| 3.6 本章小结 | 第77-79页 |
| 第四章 基于均值漂移和分水岭变换的图像分割研究 | 第79-105页 |
| 4.1 引言 | 第79-80页 |
| 4.2 基于记忆梯度法的Mean Shift算法 | 第80-85页 |
| 4.2.1 Mean Shift理论 | 第80-82页 |
| 4.2.2 改进的Mean Shift算法 | 第82-84页 |
| 4.2.3 收敛速率分析 | 第84-85页 |
| 4.3 改进标记分水岭算法 | 第85-91页 |
| 4.3.1 标准分水岭算法 | 第85-86页 |
| 4.3.2 边缘检测算子 | 第86-88页 |
| 4.3.3 信息熵 | 第88-89页 |
| 4.3.4 改进的标记分水岭算法 | 第89-91页 |
| 4.4 自适应决策分割策略 | 第91-93页 |
| 4.5 实验和分析 | 第93-104页 |
| 4.5.1 实验设置 | 第93-94页 |
| 4.5.2 Mean Shift预分割边缘保持实验 | 第94-95页 |
| 4.5.3 改进的Mean Shift滤波方法和传统Mean Shift滤波方法对比 | 第95-99页 |
| 4.5.4 改进分水岭分割对比 | 第99-103页 |
| 4.5.5 自适应决策分割实验 | 第103-104页 |
| 4.6 本章小结 | 第104-105页 |
| 第五章 基于旋转不变原生统计特征和稀疏随机投影的纹理分类方法研究 | 第105-130页 |
| 5.1 引言 | 第105-107页 |
| 5.2 旋转不变原生统计特征提取 | 第107-111页 |
| 5.2.1 Patch特征 | 第107-108页 |
| 5.2.2 旋转不变原生统计特征提取 | 第108-111页 |
| 5.3 稀疏texton字典学习 | 第111-114页 |
| 5.3.1 texton字典学习 | 第111-113页 |
| 5.3.2 一种新的texton字典学习模型 | 第113-114页 |
| 5.4 稀疏随机投影分析 | 第114-118页 |
| 5.4.1 随机投影技术概述 | 第114-115页 |
| 5.4.2 常见的测量矩阵 | 第115-116页 |
| 5.4.3 稀疏随机投影矩阵（SRP matrix）优化 | 第116-118页 |
| 5.5 texton稀疏特征构造 | 第118-120页 |
| 5.6 基于随机森林算法的分类器设计 | 第120-123页 |
| 5.6.1 随机森林 | 第121-122页 |
| 5.6.2 随机森林数学描述 | 第122-123页 |
| 5.7 实验和分析 | 第123-129页 |
| 5.7.1 测试数据库 | 第123-124页 |
| 5.7.2 参数设置和实验设置 | 第124-125页 |
| 5.7.3 实验结果 | 第125-129页 |
| 5.8 本章小结 | 第129-130页 |
| 第六章 基于机器视觉的环模制粒机监督控制系统设计 | 第130-141页 |
| 6.1 引言 | 第130-131页 |
| 6.2 基于机器视觉的监督控制系统工作原理及网络架构 | 第131-133页 |
| 6.2.1 基于机器视觉的监督控制系统工作原理 | 第131-132页 |
| 6.2.2 基于机器视觉的监督控制系统网络架构设计 | 第132-133页 |
| 6.3 基于机器视觉的监督控制系统样机设计 | 第133-137页 |
| 6.3.1 基于机器视觉的监督控制系统架构 | 第133-136页 |
| 6.3.2 基于机器视觉的监督控制算法流程 | 第136-137页 |
| 6.4 实验和分析 | 第137-140页 |
| 6.5 本章小结 | 第140-141页 |
| 第七章 全文总结与展望 | 第141-143页 |
| 7.1 全文总结 | 第141页 |
| 7.2 工作展望 | 第141-143页 |
| 参考文献 | 第143-159页 |
| 攻读博士学位期间发表的论文 | 第159-160页 |
| 攻读博士学位期间参加的科研项目 | 第160-161页 |
| 攻读博士学位期间获得的奖励 | 第161-162页 |
| 致谢 | 第162页 |
