| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 1 引言 | 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 近红外奇异样本识别方法研究现状 | 第13-15页 |
| 1.2.2 近红外光谱定量建模方法研究现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 2 近红外光谱定量分析技术 | 第20-30页 |
| 2.1 光谱的理化基础和数据特征 | 第20-22页 |
| 2.2 光谱定量分析的流程 | 第22页 |
| 2.3 近红外奇异样本识别方法 | 第22-25页 |
| 2.4 光谱定量建模算法简介 | 第25-26页 |
| 2.5 定量校正模型评价方法 | 第26-28页 |
| 2.6 本章小结 | 第28-30页 |
| 3 近红外奇异样本识别方法的改进 | 第30-44页 |
| 3.1 问题的提出 | 第30-31页 |
| 3.1.1 奇异样本的成因及对模型的影响 | 第30-31页 |
| 3.1.2 多奇异样本识别问题 | 第31页 |
| 3.2 基于自动阈值判别的杠杆值改进算法设计 | 第31-35页 |
| 3.2.1 杠杆值法的改进 | 第32-33页 |
| 3.2.2 自动阈值划分法的提出 | 第33-34页 |
| 3.2.3 算法设计步骤 | 第34-35页 |
| 3.3 理论上的算法对比分析 | 第35-36页 |
| 3.4 实验验证与分析 | 第36-42页 |
| 3.4.1 实验数据 | 第36-38页 |
| 3.4.2 实验设计 | 第38页 |
| 3.4.3 算法执行结果及分析 | 第38-42页 |
| 3.5 本章小结 | 第42-44页 |
| 4 偏最小二乘残差神经网络(PLS-RNN)定量建模算法研究 | 第44-64页 |
| 4.1 非线性问题的提出 | 第44-45页 |
| 4.2 偏最小二乘残差神经网络(PLS-RNN)建模算法 | 第45-56页 |
| 4.2.1 PLS-RNN算法设计思想 | 第45-47页 |
| 4.2.2 PLS-RNN中PLS模型设计原理与步骤 | 第47-51页 |
| 4.2.3 PLS-RNN中RNN模型设计原理与步骤 | 第51-56页 |
| 4.3 理论上的算法对比分析 | 第56-57页 |
| 4.4 实验验证与分析 | 第57-63页 |
| 4.4.1 实验数据 | 第57-59页 |
| 4.4.2 实验设计 | 第59-60页 |
| 4.4.3 算法执行结果及分析 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 个人简历 | 第71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
