| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-9页 |
| ·国内研究现状 | 第9-10页 |
| ·研究背景及意义 | 第10页 |
| ·本文研究工作 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 2 常用化学计量学方法及模式识别方法 | 第12-27页 |
| ·近红外光谱分析技术的理论基础与光谱特征 | 第12-15页 |
| ·光谱预处理方法 | 第15-16页 |
| ·微分处理 | 第15页 |
| ·平滑处理 | 第15页 |
| ·基线校正 | 第15页 |
| ·归一化处理 | 第15页 |
| ·光谱范围的选择 | 第15-16页 |
| ·特征抽取方法 | 第16-17页 |
| ·主成分分析（Principle Component Analysis, PCA） | 第16页 |
| ·偏最小二乘法（Partial Least Squares，PLS） | 第16-17页 |
| ·主成分的确定 | 第17-18页 |
| ·常用校正方法 | 第18-22页 |
| ·多元线性回归（Multivariate Linear Regression, MLR） | 第18-19页 |
| ·人工神经网络（Artificial Neural Network，ANN） | 第19-20页 |
| ·支持向量机（Support Vector Machine, SVM） | 第20-21页 |
| ·最小二乘支持向量机（Least Square SVM, LSSVM） | 第21-22页 |
| ·校正模型的验证 | 第22-23页 |
| ·模式识别方法 | 第23-26页 |
| ·SIMCA 方法 | 第24页 |
| ·马氏距离法 | 第24-25页 |
| ·Fisher 判别法 | 第25页 |
| ·LSSVM 分类法 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 数据采集与预处理 | 第27-32页 |
| ·实验条件 | 第27-28页 |
| ·微型近红外光谱仪 | 第27页 |
| ·实验方案 | 第27-28页 |
| ·数据预处理 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 4 模型建立 | 第32-47页 |
| ·定性分析模型 | 第32-39页 |
| ·主成分分析 | 第32-36页 |
| ·偏最小二乘法分析 | 第36-37页 |
| ·最小二乘支持向量机分析 | 第37-39页 |
| ·小结 | 第39页 |
| ·定量分析模型 | 第39-46页 |
| ·酒精溶液定量模型 | 第39-44页 |
| ·白酒定量分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 总结与展望 | 第47-48页 |
| ·总结 | 第47页 |
| ·展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52页 |
| 作者在攻读硕士学位期间发表的论文目录 | 第52页 |
