剪切痕迹激光检测信号自适应匹配算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题概述 | 第11-12页 |
| 1.1.1 课题来源 | 第11页 |
| 1.1.2 课题研究背景 | 第11-12页 |
| 1.2 线形痕迹及其检验的基本理论 | 第12-14页 |
| 1.2.1 痕迹的基本理论 | 第12-13页 |
| 1.2.2 线形痕迹的形成与检验理论 | 第13-14页 |
| 1.3 线形痕迹检验的进展 | 第14-17页 |
| 1.4 与线形痕迹检测相关知识 | 第17-18页 |
| 1.4.1 激光检测 | 第17页 |
| 1.4.2 异常数据的修复 | 第17页 |
| 1.4.3 信号降噪平滑 | 第17-18页 |
| 1.4.4 自适应匹配 | 第18页 |
| 1.5 线形痕迹检验技术的发展方向 | 第18-19页 |
| 1.6 课题研究的意义 | 第19-20页 |
| 1.7 论文研究方案及主要内容 | 第20-23页 |
| 第二章 剪切痕迹检测信号异常数据处理 | 第23-33页 |
| 2.1 异常数据基本概念 | 第23页 |
| 2.2 异常数据处理的常用方法 | 第23-24页 |
| 2.3 基于K-Means的异常数据处理算法研究 | 第24-25页 |
| 2.4 实验设计验证 | 第25-32页 |
| 2.4.1 设计分析 | 第25-26页 |
| 2.4.2 异常数据识别 | 第26-29页 |
| 2.4.3 异常数据定界 | 第29-31页 |
| 2.4.4 数据修正 | 第31-32页 |
| 2.5 本章总结 | 第32-33页 |
| 第三章 基于局部加权回归散点平滑法的数据平滑处理 | 第33-53页 |
| 3.1 相关概率与统计理论 | 第33-37页 |
| 3.2 最小二乘法 | 第37-40页 |
| 3.2.1 最小二乘法概述 | 第37-40页 |
| 3.3 局部加权回归 | 第40-48页 |
| 3.3.1 局部加权拟合的原理 | 第42-43页 |
| 3.3.2 局部加权回归的定义 | 第43页 |
| 3.3.3 权系数的确定 | 第43-44页 |
| 3.3.4 权系统中参数的确定 | 第44-46页 |
| 3.3.5 回归函数的置信区间 | 第46-48页 |
| 3.4 数据平滑算法设计 | 第48-51页 |
| 3.4.1 数据预处理 | 第48-49页 |
| 3.4.2 数据平滑 | 第49-51页 |
| 3.5 实验验证 | 第51-52页 |
| 3.6 本章总结 | 第52-53页 |
| 第四章 线形痕迹特征相似度匹配 | 第53-69页 |
| 4.1 信号的特征识别及归一化处理 | 第53-57页 |
| 4.2 信号的特征量化 | 第57-61页 |
| 4.3 信号的特征向量比对原理 | 第61页 |
| 4.4 相似度匹配 | 第61-66页 |
| 4.5 实验验证 | 第66-68页 |
| 4.6 本章总结 | 第68-69页 |
| 第五章 测试分析与系统实现 | 第69-85页 |
| 5.1 工具线性痕迹激光检测系统实现 | 第69-78页 |
| 5.1.1 系统实现的操作过程 | 第69-72页 |
| 5.1.2 实验数据分析 | 第72-78页 |
| 5.2 相似度比对实验 | 第78-83页 |
| 5.3 本章总结 | 第83-85页 |
| 第六章 总结与展望 | 第85-87页 |
| 6.1 论文总结 | 第85-86页 |
| 6.2 研究展望 | 第86-87页 |
| 致谢 | 第87-89页 |
| 参考文献 | 第89-93页 |
| 附录A 攻读硕士学位期间发表的学术论文及专利 | 第93-95页 |
| 附录B 攻读硕士学位期间参与项目及获得奖励 | 第95页 |
| B.1 攻读硕士期间参与项目 | 第95页 |
| B.2 攻读硕士期间获得奖励 | 第95页 |
