| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 目录 | 第9-12页 |
| 第一章 引言 | 第12-16页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 学术构想及技术路线 | 第13-15页 |
| 1.3 本论文的主要工作及安排 | 第15-16页 |
| 第二章 LIBS 技术在识别分类方面的研究进展 | 第16-34页 |
| 2.1 LIBS 技术用于识别分类的物理基础及其光谱诊断 | 第16-21页 |
| 2.1.1 激光诱导等离子体的演化过程 | 第16-19页 |
| 2.1.2 激光诱导等离子体的光谱诊断 | 第19-21页 |
| 2.2 基于 LIBS 光谱的模式识别方法及研究进展 | 第21-34页 |
| 2.2.1 基于 LIBS 光谱的模式识别方法介绍 | 第22-25页 |
| 2.2.2 PLS 方法的数学建模过程 | 第25-28页 |
| 2.2.3 化学计量学方法在 LIBS 技术识别分类中的应用 | 第28-31页 |
| 2.2.4 基于 LIBS 光谱特征提取的相关研究 | 第31-34页 |
| 第三章 岩屑 LIBS 的实验方法介绍 | 第34-44页 |
| 3.1 实验仪器 | 第34-39页 |
| 3.1.1 激发光源：Nd: YAG 激光器 | 第34-35页 |
| 3.1.2 分光装置：中阶梯光栅光谱仪 | 第35-37页 |
| 3.1.3 光电探测器：增强型电荷耦合器件（ICCD） | 第37-39页 |
| 3.2 岩屑 LIBS 光谱实验平台 | 第39-41页 |
| 3.2.1 光谱仪的校准 | 第39-40页 |
| 3.2.2 实验平台搭建 | 第40页 |
| 3.2.3 实验参数设置 | 第40-41页 |
| 3.3 岩屑样品来源及典型 LIBS 光谱 | 第41-44页 |
| 第四章 基于岩屑 LIBS 光谱的 PLS-DA 分析方案设计 | 第44-56页 |
| 4.1 光谱数据的预处理 | 第44-47页 |
| 4.1.1 光谱图的筛选 | 第45页 |
| 4.1.2 归一化处理 | 第45-47页 |
| 4.2 PLS-DA 模型分析方案 | 第47-54页 |
| 4.2.1 模型校正集和检验集的选择 | 第48-49页 |
| 4.2.2 最佳主成分个数的确定 | 第49-51页 |
| 4.2.3 岩屑种类预测及模型评价标准 | 第51-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第五章 全谱模型和特征模型的预测性能研究 | 第56-70页 |
| 5.1 全谱模型预测性能研究 | 第56-61页 |
| 5.1.1 全谱模型最佳主成分个数的确定 | 第56-58页 |
| 5.1.2 全谱模型灵敏度的验证 | 第58-59页 |
| 5.1.3 全谱模型稳健性的验证 | 第59-61页 |
| 5.2 特征模型预测性能研究 | 第61-68页 |
| 5.2.1 特征量的提取 | 第62-64页 |
| 5.2.2 特征模型灵敏度的验证 | 第64-66页 |
| 5.2.3 特征模型稳健性的验证 | 第66-68页 |
| 5.3 本章小结 | 第68-70页 |
| 第六章 SVM 方法用于岩屑识别分类的初步探索 | 第70-78页 |
| 6.1 基于岩屑 LIBS 光谱数据的 SVM 模型分析 | 第70-74页 |
| 6.1.1 SVM 模型的建立和参数优化 | 第71-72页 |
| 6.1.2 SVM 模型与 PLS-DA 模型的预测结果比较 | 第72-74页 |
| 6.2 SVM 与 PLS-DA 的模型融合研究 | 第74-77页 |
| 6.3 本章小结 | 第77-78页 |
| 第七章 总结与展望 | 第78-82页 |
| 7.1 论文工作总结 | 第78-81页 |
| 7.2 下一步工作的展望 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 致谢 | 第88-90页 |
| 攻读硕士学位期间参加的工作 | 第90-91页 |
| 个人简历和学术论文情况 | 第91-92页 |
