目录
VII
2.5 本章小结 ............................................................................................................. 38
第 3 章 苹果病害图像预处理及病变特征提取 ............................................................ 39
3.1 苹果病害图像采集及识别 ................................................................................. 41
3.1.1 苹果病害及其病变图像特征 ................................ 41
3.1.2 基于图像的病害识别 ...................................... 42
3.2 病害图像的多样性仿真方法 ............................................................................. 43
3.2.1 图像整形和采集方位多样性仿真 ............................ 44
3.2.2 图像采集的亮度多样性 .................................... 47
3.2.3 多态性组合 .............................................. 48
3.2.4 图像灰值化和稀疏化 ...................................... 48
3.3 本章小结 ............................................................................................................. 49
第 4 章 溢界丢弃主成分分析提取病变特征 ................................................................ 51
4.1 图像降维和模式特征提取 ................................................................................. 51
4.2 主成分分析方法 ................................................................................................. 52
4.2.1 均值和协方差 ............................................ 52
4.2.2 本征值和本征向量 ........................................ 53
4.2.3 数据集的PCA分析和重构 ................................... 54
4.3 基于溢界丢弃的主分量方法 ............................................................................. 55
4.3.1 溢界丢弃PCA ............................................. 56
4.3.2 溢界丢弃PCA降维和重构 ................................... 56
4.4 实验结果与分析 ................................................................................................. 57
4.4.1 重构性能分析 ............................................ 57
4.4.2 识别性能分析 ............................................ 58
4.5 本章小结 ............................................................................................................. 61
第 5 章 随机反馈深度 RBM 学习提取病变特征 ......................................................... 63
5.1 受限玻尔兹曼机 ................................................................................................. 63
5.1.1 麦克斯韦-玻尔兹曼分布 ................................... 63
5.1.2 玻尔兹曼机机器学习模型 .................................. 64
5.1.3 玻尔兹曼机模型的能量函数 ................................ 65
5.2 理想玻尔兹曼机学习和自动编码 ..................................................................... 67
5.2.1 模型节点激活的条件概率 .................................. 67
5.2.2 样本的概率分布 .......................................... 70
5.2.3 理想梯度上升的玻尔兹曼机学习 ............................ 71
5.2.4 RBM自动编码网络 ......................................... 76
5.3 随机反馈的玻尔兹曼机学习方法 ..................................................................... 78
5.3.1 朴素对比发散方法学习方法 ................................ 78
评论13
最新资源