基于聚类和加权K近邻的烟叶分级研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 1 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-13页 |
| 1.3 研究现状 | 第13-17页 |
| 1.4 本文研究内容 | 第17-18页 |
| 1.5 本文的组织结构 | 第18-19页 |
| 2 烟叶光谱数据的采集和预处理 | 第19-27页 |
| 2.1 烤烟叶样本 | 第19-20页 |
| 2.2 光谱仪和数据的采集 | 第20-24页 |
| 2.3 数据的预处理 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 孤立样本的检测及训练集的选择 | 第27-38页 |
| 3.1 孤立样本的检测 | 第27-34页 |
| 3.1.1 夹角余弦距离 | 第27-29页 |
| 3.1.2 欧氏距离 | 第29-32页 |
| 3.1.3 相关系数 | 第32-34页 |
| 3.2 训练集的选择 | 第34-36页 |
| 3.3 本章小结 | 第36-38页 |
| 4 分级模型的构建及实现 | 第38-48页 |
| 4.1 极限学习机 | 第38-40页 |
| 4.2 支持向量机 | 第40-43页 |
| 4.3 近邻法 | 第43-47页 |
| 4.3.1 K近邻 | 第44-45页 |
| 4.3.2 加权K近邻 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 特征筛选 | 第48-60页 |
| 5.1 基于聚类的特征初筛选 | 第49-52页 |
| 5.1.1 类内离散度 | 第50-51页 |
| 5.1.2 类间离散度 | 第51页 |
| 5.1.3 构造鉴别函数 | 第51-52页 |
| 5.2 深层特征筛选 | 第52-58页 |
| 5.2.1 粒子群算法 | 第53-55页 |
| 5.2.2 遗传算法 | 第55-57页 |
| 5.2.3 相关系数分析法 | 第57-58页 |
| 5.3 本章小结 | 第58-60页 |
| 6 总结与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 个人简历、在学期间发表的学术论文与参与项目 | 第66页 |
