| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 1 绪论 | 第12-20页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 PLS 与神经网络的国内外研究现状 | 第13-14页 |
| 1.2.2 近红外光谱分析技术在烟草行业的研究现状 | 第14-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-20页 |
| 2 PLS 与神经网络 | 第20-34页 |
| 2.1 偏最小二乘法（PLS） | 第20-30页 |
| 2.1.1 PLS 方法的理论介绍 | 第20-22页 |
| 2.1.2 因子数的优化 | 第22-23页 |
| 2.1.3 数据分析与验证 | 第23-30页 |
| 2.2 人工神经网络（ANN） | 第30-33页 |
| 2.2.1 人工神经网络的基本原理 | 第31页 |
| 2.2.2 BP 神经网络算法 | 第31-33页 |
| 2.3 本章小结 | 第33-34页 |
| 3 PLS 与 BP 网络的烟草定量模型准确性的对比分析 | 第34-40页 |
| 3.1 问题的提出 | 第34-35页 |
| 3.2 实验部分 | 第35-38页 |
| 3.2.1 实验数据 | 第35页 |
| 3.2.3 光谱数据建模与分析 | 第35-38页 |
| 3.3 本章小结 | 第38-40页 |
| 4 PLS 与 BP 网络模型在光谱重现性预测性能的对比分析 | 第40-52页 |
| 4.1 问题的提出 | 第40-41页 |
| 4.2 近红外光谱仪准确性的影响分析 | 第41-45页 |
| 4.2.1 近红外光谱仪准确性概述 | 第41页 |
| 4.2.2 光谱仪准确性对光谱的影响 | 第41-43页 |
| 4.2.3 PLS 与 BP 网络模型在光谱仪准确性预测性能的对比分析 | 第43-45页 |
| 4.3 噪声的影响分析 | 第45-47页 |
| 4.3.1 噪声及信噪比概述 | 第45页 |
| 4.3.2 噪声对光谱的影响 | 第45-46页 |
| 4.3.3 PLS 与 BP 网络模型在噪声影响预测性能的对比分析 | 第46-47页 |
| 4.4 分辨率的影响分析 | 第47-50页 |
| 4.4.1 光谱分辨率概述 | 第47-48页 |
| 4.4.2 分辨率对光谱的影响 | 第48-49页 |
| 4.4.3 PLS 与 BP 网络模型在分辨率影响预测性能的对比分析 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 未来工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 个人简历 | 第60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
