基于深度学习与SVM的电弧熔积表面缺陷检测与分类

摘要	第4-5页
Abstract	第5-6页
1 绪论	第9-17页
1.1 研究背景与意义	第9-10页
1.2 国内外研究概况	第10-14页
1.3 论文的主要研究内容	第14-16页
1.4 论文章节安排	第16-17页
2 缺陷检测与分类系统的构建	第17-25页
2.1 系统检测的常见缺陷类型	第17-19页
2.2 系统的总体方案设计	第19-24页
2.3 本章小结	第24-25页
3 基于卷积神经网络的缺陷特征提取	第25-44页
3.1 深度学习基本概念	第25-26页
3.2 卷积神经网络（CNN）基础理论	第26-31页
3.3 本文CNN结构	第31-35页
3.4 CNN训练优化	第35-39页
3.5 实验结果	第39-43页
3.6 本章小结	第43-44页
4 基于支持向量机SVM的缺陷特征分类	第44-60页
4.1 SVM基础理论	第44-46页
4.2 SVM中的核函数	第46-51页
4.3 SVM在多分类问题上的选择	第51-55页
4.4 实验结果	第55-58页
4.5 本章小结	第58-60页
5 全文总结与工作展望	第60-62页
5.1 全文总结	第60-61页
5.2 工作展望	第61-62页
致谢	第62-63页
参考文献	第63-66页