首页--数理科学和化学论文--化学论文--分析化学论文

基于局部策略的光谱异常检测与石油产品定性分析

致谢第1-6页
摘要第6-8页
Abstract第8-13页
第1章 绪论第13-23页
 摘要第13页
   ·引言第13-14页
   ·光谱异常检测及修复技术第14-17页
   ·基于光谱的油品定性分析第17-21页
     ·基于近红外光谱的油品定性分析第17-19页
     ·基于拉曼光谱的油品定性分析第19-21页
   ·本文的研究内容和创新点第21-23页
第2章 光谱定性分析系统关键技术概述第23-37页
 摘要第23-24页
   ·异常光谱检测和修复算法第24-31页
     ·单条谱图扫描法第24-26页
     ·连续测量法第26-28页
     ·硬件处理法第28-29页
     ·最近邻比较法第29-31页
   ·光谱预处理算法第31-33页
     ·平滑第31-32页
     ·求导第32页
     ·标准正态变换第32页
     ·基线校正第32-33页
     ·干涉光校正第33页
   ·光谱的常用分类方法第33-36页
   ·本章小结第36-37页
第3章 基于时域局部策略的在线异常光谱修复方法第37-59页
 摘要第37页
   ·引言第37-38页
   ·基于时域局部策略的在线拉曼光谱的spike检测及修复第38-42页
     ·现有方法比较和在线拉曼光谱spike修复的特点第38-40页
     ·算法介绍第40-42页
   ·仿真数据实验第42-51页
     ·数据产生第42-45页
     ·实验结果与讨论第45-51页
   ·实际在线异常光谱的检测第51-57页
     ·实验仪器与样本来源第51-53页
     ·应用结果与讨论第53-57页
   ·本章小结第57-59页
第4章 流型局部分类方法在汽油近红外光谱牌号识别中的应用第59-69页
 摘要第59页
   ·引言第59-61页
   ·Isomap-KNN算法第61-62页
   ·牌号分类实验第62-65页
   ·实验结果与讨论第65-67页
     ·PCA和Isomap的降维对比第65-66页
     ·算法分类性能对比第66-67页
   ·本章小结第67-69页
第5章 基于加权LSSVM分类方法的汽油拉曼光谱牌号和产地识别第69-85页
 摘要第69页
   ·引言第69-72页
   ·算法理论第72-77页
     ·线性判别分析第72页
     ·经典LSSVM分类的简要描述第72-73页
     ·基于邻近样本的局部LSSVM第73-74页
     ·R加权的LSSVM分类算法第74-77页
   ·分类实验第77-81页
     ·样本来源第77-78页
     ·光谱获取设备第78-79页
     ·光谱预处理第79-80页
     ·分类实验的具体方案第80-81页
   ·分类结果与讨论第81-83页
   ·本章小结第83-85页
第6章 基于相关分析的石油产品拉曼光谱分类方法第85-97页
 摘要第85页
   ·引言第85-87页
   ·算法理论第87-88页
     ·谱图预处理第87页
     ·模型知识库的构建第87-88页
     ·线性相关分析和类别判断第88页
   ·分类实验第88-91页
     ·样本来源与实验设备第88-89页
     ·谱图获取与预处理第89-91页
   ·分类结果与讨论第91-95页
   ·本章小结第95-97页
第7章 基于邻域样本数调整的LSSVM参数调整方法第97-113页
 摘要第97页
   ·引言第97-99页
   ·基于邻域样本数的LSSVM参数调整方法第99-102页
     ·LSSVM回归算法简介第99-100页
     ·LSSVM分类算法简介第100-101页
     ·参数调整算法介绍第101-102页
   ·算法性能测试第102-111页
     ·模型的评价指标第102-104页
     ·算法仿真示例第104-106页
     ·油品光谱数据的辛烷值定量分析实验第106-109页
     ·油品光谱数据的牌号定性分析实验第109-111页
     ·结果讨论第111页
   ·本章小结第111-113页
第8章 结论与展望第113-117页
   ·研究工作总结第113-114页
   ·研究工作展望第114-117页
参考文献第117-127页
攻读博士学位期间完成的学术成果第127-129页
攻读博士学位期间参与的科研项目第129页

论文共129页,点击 下载论文
上一篇:在线拉曼分析系统关键技术研究与工业应用
下一篇:煤矸石、尾矿代粘土匹配低品位石灰石煅烧水泥熟料试验研究