本书针对复杂工业过程的建模问题，运用图像处理和机器学习技术，深入地研究了水泥回转窑烧成状态的识别方法和熟料质量指标的软测量方法，以期真正实现“机器看火”取代“人工看火”，为实现回转窑烧结过程的智能化监控，进而有效地提高水泥的产量和质量奠定了基础。实验结果表明，基于不同特征的模式分类器融合技术具有较好的识别和预测结果；过程数据信息可以改进基于图像特征的模式分类器结果。
本书可供复杂工业过程软测量的相关科研人员参考阅读，希望可为在回转窑等领域进行图像处理、模式识别等技术的学者和工程师提供帮助。

第1章 绪论
1.1 研究背景和意义
1.2 工业过程中图像处理技术研究现状
1.2.1 图像预处理
1.2.2 图像分割
1.2.3 图像特征提取和选择
1.2.4 图像模式识别
1.3 不确定信息认知对象的认知智能模型研究现状
1.3.1 不确定信息认知对象的认知知识表征方法研究现状
1.3.2 不确定认知过程与结果评价体系研究现状
1.3.3 不确定认知过程的认知智能机制研究现状
1.4 工业过程中软测量技术研究现状
1.4.1 模型输入维数约简
1.4.2 神经网络集成建模理论
1.4.3 选择性集成建模
1.4.4 混合集成建模
1.5 回转窑烧成状态识别研究现状和存在的问题
1.6 回转窑熟料质量指标检测研究现状和存在的问题
第2章 水泥回转窑烧成状态识别及熟料质量测量问题描述
2.1 水泥回转窑烧结过程工艺描述
2.2 水泥回转窑烧成状态特性分析及其识别现状描述
2.3 水泥回转窑熟料质量测量现状描述
2.4 影响水泥回转窑熟料产品质量的因素分析
2.5 水泥回转窑烧成状态识别和熟料质量预测的难点
第3章 图像处理与软测量预备知识
3.1 引言
3.2 信息预处理
3.3 图像分割方法
3.3.1 大津算法
3.3.2 模糊C均值聚类
3.3.3 基于加博小波去模糊化的聚类算法
3.3.4 改进的快速行进法
3.3.5 归一化割准则法
3.3.6 多阶自适应阈值法
3.4 特征提取方法
3.4.1 多变量图像分析算法
3.4.2 主成分分析算法
3.4.3 尺度不变特征转换算法
3.4.4 偏最小二乘算法
3.4.5 神经网络偏最小二乘算法
3.4.6 核偏最小二乘算法
3.5 多特征融合方法
3.6 模式分类器设计方法
3.6.1 概率神经网络
3.6.2 反向传播神经网络
3.6.3 支持向量机
3.6.4 随机向量函数功能连接网络
3.7 软测量回归器设计方法
第4章 基于火焰图像多特征的烧成状态识别方法
4.1 引言
4.2 基于火焰图像多特征的烧成状态识别策略
4.3 基于压缩加博滤波器组的火焰图像预处理算法
4.4 基于火焰图像感兴趣区域色彩特征的烧成状态识别算法
4.5 基于火焰图像感兴趣区域全局形态特征的烧成状态识别算法
4.6 基于火焰图像感兴趣区域局部形态特征的烧成状态识别算法
4.7 基于模糊积分的火焰图像多特征融合烧成状态识别算法
4.8 实验验证
4.8.1 数据描述
4.8.2 实验结果与分析
第5章 基于过程数据与火焰图像融合的烧成状态识别方法
5.1 引言
5.2 识别策略
5.3 识别算法
5.3.1 基于改进中值滤波器的过程数据滤波预处理
5.3.2 基于KPLS的过程数据烧成状态识别模型
5.3.3 基于过程数据与火焰图像融合的烧成状态识别模型
5.4 实验验证
5.4.1 数据描述
5.4.2 实验结果与分析
第6章 面向不确定信息认知对象的仿反馈认知机制及其在烧成状态识别中的研究
6.1 引言
6.2 不确定信息认知对象的仿反馈认知智能模型结构与机制研究
6.2.1 构建目标
6.2.2 模型结构与功能要求
6.2.3 仿反馈认知智能系统设计
6.2.4 智能系统模型及其运行机制
6.3 不确定信息认知对象的仿反馈认知智能计算模型研究
6.3.1 基于粗糙集理论的不确定信息认知对象模式化建模
6.3.2 基于广义误差和广义熵理论的不确定认知过程与结果评价测度指标体系建立
6.3.3 不确定认知过程与结果评价体系建立
6.3.4 认知知识粒度调节机制研究
6.3.5 不确定信息认知对象的多层次变粒度仿反馈认知智能算法研究
6.4 应用研究
6.4.1 脱机手写体汉字图像的机器认知应用验证研究
6.4.2 人体健康状态评测的机器认知应用验证研究
6.4.3 全天候光伏发电智能跟踪控制系统应用验证研究
6.4.4 工业回转窑烧成状态的机器认知应用验证研究
第7章 基于火焰图像与过程数据融合的回转窑熟料质量软测量模型
7.1 引言
7.2 软测量策略
7.3 软测量算法
7.3.1 数据预处理
7.3.2 火焰图像特征提取
7.3.3 软测量模型构建
7.4 实验验证
7.4.1 数据描述
7.4.2 仿真结果
第8章 基于双层遗传算法的异构数据融合水泥熟料质量选择性集成软测量模型
8.1 引言
8.2 建模策略
8.3 算法实现
8.3.1 模型参数编码
8.3.2 模型参数解码
8.3.3 候选子模型构造
8.3.4 选择性集成建模
8.3.5 遗传操作
8.3.6 算法步骤
8.4 实验验证
8.4.1 合成数据
8.4.2 低维基准数据
8.4.3 高维基准数据
8.4.4 多源异构水泥熟料质量数据
8.4.5 总结与讨论
参考文献