| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 基于计算机视觉的水质异常评价研究现状 | 第12-15页 |
| 1.2.1 水质评价因子研究现状 | 第12-14页 |
| 1.2.2 水质异常评价模型的研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第2章 鱼类运动目标的检测与跟踪 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 图像预处理 | 第17-21页 |
| 2.2.1 双边滤波原理 | 第17-18页 |
| 2.2.2 对数域DCT光照补偿 | 第18-19页 |
| 2.2.3 图像预处理实验结果与分析 | 第19-21页 |
| 2.3 鱼类运动目标的检测与跟踪 | 第21-27页 |
| 2.3.1 运动目标检测原理 | 第21-24页 |
| 2.3.2 运动目标跟踪原理 | 第24-26页 |
| 2.3.3 鱼类运动目标检测与跟踪实验结果 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 支持向量机基本原理 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 支持向量机的统计学原理 | 第28-31页 |
| 3.2.1 机器学习问题 | 第28-29页 |
| 3.2.2 经验风险最小化 | 第29页 |
| 3.2.3 VC维理论与边界理论 | 第29-30页 |
| 3.2.4 结构风险小化原则 | 第30-31页 |
| 3.3 支持向量机基本算法 | 第31-34页 |
| 3.3.1 线性支持向量机 | 第31-33页 |
| 3.3.2 非线性支持向量机 | 第33-34页 |
| 3.4 支持向量机的特点 | 第34页 |
| 3.5 支持向量机模型参数选取 | 第34-39页 |
| 3.5.1 SVM模型的参数对模型的影响 | 第34-35页 |
| 3.5.2 粒子群优化算法优化选择模型参数 | 第35-37页 |
| 3.5.3 遗传算法优化选择模型参数 | 第37-38页 |
| 3.5.4 网格搜索法优化选择模型参数 | 第38-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于传统特征参数的水质异常评价因子研究 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 水质指示物的选取 | 第40页 |
| 4.3 水质变化对鱼类运动轨迹的影响规律 | 第40-42页 |
| 4.4 传统鱼类运动行为特征参数的定义 | 第42页 |
| 4.5 基于计算机视觉与SVM的水质异常评价方法 | 第42-44页 |
| 4.5.1 水质异常评价原理 | 第42-44页 |
| 4.5.2 建立水质评价模型 | 第44页 |
| 4.6 实验结果与分析 | 第44-51页 |
| 4.6.1 特征参数的优选及预处理 | 第44-46页 |
| 4.6.2 建立样本集 | 第46页 |
| 4.6.3 支持向量机核函数的选取 | 第46页 |
| 4.6.4 径向基核函数参数和惩罚因子的优化 | 第46-50页 |
| 4.6.5 基于优化的SVM的水质异常评价 | 第50-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第5章 基于曲率、邻近特征的水质异常评价因子研究 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 鱼类个体间差异分析 | 第52-54页 |
| 5.3 基于曲率、邻近特征的鱼类运动行为特征参数 | 第54-55页 |
| 5.4 基于F-Score方法的特征参数预处理 | 第55-56页 |
| 5.5 考察鱼类运动行为参数和水质定量关系的准确性 | 第56-57页 |
| 5.6 实验结果与分析 | 第57-63页 |
| 5.6.1 建立水质异常评价因子数据库 | 第57-59页 |
| 5.6.2 水质评价因子的有效性分析 | 第59-62页 |
| 5.6.3 基于曲率、邻近特征水质异常评价模型的可行性分析 | 第62-63页 |
| 5.7 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第72-73页 |
| 致谢 | 第73页 |