声明
第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 泡沫图像特征研究现状
1.2.2 特征选择方法研究现状
1.3 主要研究内容及全文结构安排
第二章 浮选过程泡沫图像特征分析
2.1 泡沫浮选工业过程描述
2.2 泡沫图像特征提取过程
2.3 基于数理统计的图像特征关系分析
2.4 本章小结
第三章 稀疏化神经网络特征选择方法
3.1 稀疏化神经网络方法设计
3.1.1 Lasso 介绍
3.1.2 BP神经网络介绍
3.1.3 稀疏化神经网络方法设计
3.2 目标函数求解
3.3 收敛性分析
3.4 仿真实验及结果分析
3.4.1 支持向量机回归
3.4.2 稀疏系数敏感性分析
3.4.2 收敛性验证
3.4.3 算法比较
3.5 本章小结
第四章 深度神经网络鲁棒特征选择方法
4.1 深度神经网络鲁棒特征方法设计
4.1.1 深度神经网络介绍
4.1.2 范数性质
4.1.3 深度神经网络鲁棒性特征选择方法
4.2 目标函数求解
4.3 收敛性分析
4.4 仿真实验及结果分析
4.4.1 稀疏系数敏感性分析
4.4.2 收敛性验证
4.4.3 算法比较
4.5 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
参考文献
个人简历 在读期间发表的学术论文
致谢
华东交通大学;