| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 引言 | 第10-18页 |
| ·近红外光谱分析技术的发展和应用 | 第10-11页 |
| ·高光谱成像技术的发展和应用 | 第11-14页 |
| ·模式识别方法 | 第14-16页 |
| ·论文的主要研究内容 | 第16-18页 |
| 第二章 光谱数据的降维和分类算法 | 第18-26页 |
| ·光谱数据的降维算法 | 第18-20页 |
| ·光谱数据的分类算法 | 第20-25页 |
| ·线性判别分析 | 第20-23页 |
| ·最小二乘支持向量机 | 第23-25页 |
| ·小结 | 第25-26页 |
| 第三章 基于可见-近红外光谱和自编码网络流形学习算法的大西洋鲑鱼肉质分类 | 第26-37页 |
| ·引言 | 第26-27页 |
| ·实验介绍 | 第27-31页 |
| ·实验设备 | 第27-29页 |
| ·实验材料与光谱数据获取 | 第29-30页 |
| ·可见-近红外光谱数据的预处理 | 第30-31页 |
| ·自编码网络（AN）流形学习算法介绍 | 第31-34页 |
| ·实验结果及分析 | 第34-36页 |
| ·结论 | 第36-37页 |
| 第四章 基于高光谱成像技术和稀疏表示的汽车变速箱油品种分类 | 第37-47页 |
| ·引言 | 第37页 |
| ·实验介绍 | 第37-42页 |
| ·实验设备 | 第37-38页 |
| ·实验材料与光谱数据获取 | 第38-39页 |
| ·高光谱图像的校正 | 第39页 |
| ·光谱曲线分析 | 第39-42页 |
| ·稀疏表示分类器 | 第42-43页 |
| ·稀疏表示分类器原理 | 第42-43页 |
| ·实验结果及分析 | 第43-46页 |
| ·结论 | 第46-47页 |
| 第五章 结论 | 第47-49页 |
| ·总结 | 第47页 |
| ·进一步研究设想 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的学术论文目录 | 第54-55页 |