| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10页 |
| 1.2 板形模式识别综述 | 第10-14页 |
| 1.2.1 传统板形模式识别技术 | 第10-11页 |
| 1.2.2 现代板形模式识别技术 | 第11-14页 |
| 1.2.3 目前存在的问题以及未来发展方向 | 第14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 板形基础知识 | 第16-24页 |
| 2.1 板形概念 | 第16页 |
| 2.2 板形的表示方法 | 第16-20页 |
| 2.2.1 平直度表示法 | 第16-18页 |
| 2.2.2 横截面形状表示法 | 第18-20页 |
| 2.3 板形缺陷及影响因素 | 第20-23页 |
| 2.3.1 板形缺陷的本质 | 第20-21页 |
| 2.3.2 板形缺陷基本类型 | 第21-22页 |
| 2.3.3 良好板形存在条件 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 Elman神经网络 | 第24-32页 |
| 3.1 人工神经网络概述 | 第24-27页 |
| 3.1.1 人工神经网络的结构和学习方式 | 第24-26页 |
| 3.1.2 神经网络的基本功能 | 第26-27页 |
| 3.2 Elman神经网络 | 第27-31页 |
| 3.2.1 Elman神经网络结构 | 第27-28页 |
| 3.2.2 Elman神经网络数学描述 | 第28-29页 |
| 3.2.3 Elman神经网络的学习算法 | 第29-31页 |
| 3.3 Elman神经网络性能分析 | 第31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 遗传算法理论 | 第32-40页 |
| 4.1 遗传算法简介 | 第32页 |
| 4.2 遗传算法核心内容 | 第32-37页 |
| 4.3 遗传算法流程 | 第37-38页 |
| 4.4 遗传算法的优缺点 | 第38-39页 |
| 4.4.1 遗传算法的优点 | 第38页 |
| 4.4.2 遗传算法的缺陷 | 第38-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 混沌免疫遗传优化算法 | 第40-51页 |
| 5.1 混沌映射 | 第40页 |
| 5.2 免疫算法 | 第40-43页 |
| 5.3 混沌免疫遗传算法基本原理 | 第43-50页 |
| 5.3.1 算子设计 | 第43-45页 |
| 5.3.2 算法主要步骤 | 第45-47页 |
| 5.3.3 算法实验仿真 | 第47-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 基于CIGA-Elman网络板形缺陷识别 | 第51-58页 |
| 6.1 Elman神经网络板形缺陷模型的建立 | 第51-55页 |
| 6.1.1 板形的基本模式及归一化处理 | 第51-52页 |
| 6.1.2 Elman神经网络板形缺陷模型的建立 | 第52-54页 |
| 6.1.3 实验样本 | 第54-55页 |
| 6.2 CIGA-Elman网络 | 第55-57页 |
| 6.3 本章小结 | 第57-58页 |
| 第七章 板形缺陷识别实例仿真 | 第58-66页 |
| 7.1 Elman网络的板形缺陷识别系统 | 第58-60页 |
| 7.1.1 Elman网络对单一板形缺陷识别 | 第58-60页 |
| 7.1.2 Elman网络对复合板形缺陷识别 | 第60页 |
| 7.2 其它板形模式识别系统 | 第60-62页 |
| 7.2.1 BP网络板形缺陷识别 | 第60-61页 |
| 7.2.2 GA-Elman网络板形缺陷识别 | 第61-62页 |
| 7.3 CIGA- Elman网络板形缺陷识别系统 | 第62-63页 |
| 7.4 结果分析 | 第63页 |
| 7.5 基于实测数据的CIGA-Elman网络板形缺陷识别系统 | 第63-65页 |
| 7.6 本章小结 | 第65-66页 |
| 第八章 总结 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 附录 | 第74页 |