声明
摘要
第1章 绪论
1.1 课题背景
1.2 研究的现状
1.2.1 带钢检测的国内外发展现状
1.2.2 多分类器集成的国外研究进展
1.2.3 多分类器集成的国内研究进展
1.3 存在的主要问题
1.4 研究的意义
1.5 研究的主要内容
第2章 特征提取与选择
2.1 带钢的表面缺陷特征提取
2.1.1 直方图统计特征
2.1.2 小波变换特征
2.1.3 灰度共生矩阵特征
2.1.4 不变矩特征
2.2 特征的组合选择
2.3 本章小结
第3章 模式识别分类器研究
3.1 线性判别分析
3.2 近邻分类器
3.2.1 最近邻法
3.2.2 K最近邻分类器
3.3 人工神经网络研究
3.3.1 BP神经网络
3.3.2 LVQ神经网络
3.3.3 RBF神经网络
3.4 支持向量机
3.4.1 支持向量机原理
3.4.2 支持向量机算法实现
3.5 本章小结
第4章 多分类器集成系统研究
4.1 多分类器集成系统成功的原因
4.2 分类器的输出模式
4.2.1 输出为决策层的多分类器集成
4.2.2 输出为排序层的多分类器集成
4.2.3 输出为度量层的多分类器集成
4.3 基分类器差异性度量
4.3.1 差异性度量的概念
4.3.2 基分类器差异性度量
4.4 本章小结
第5章 实验设计与结果分析
5.1 初级检测模型
5.2 本文主要研究的几类带钢缺陷
5.3 带钢缺陷并行分类器集成的研究
5.4 实验结果与分析
5.4.1 单个分类器实验
5.4.2 并行分类器集成识别实验
5.4.3 基于PCNN特征的分类器集成实验
5.4.4 研究样本对分类器的影响实验
5.5 软件系统编制
5.5.1 开发环境
5.5.2 软件系统介绍
5.6 本章小结
第6章 结论
参考文献
致谢
攻读硕士期间发表论文