| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 引言 | 第10-16页 |
| 1.1 概述 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 近红外光谱降维算法研究现状 | 第11-13页 |
| 1.2.2 基于模式识别的分类算法研究现状 | 第13-14页 |
| 1.3 本文主要的研究内容及组织结构 | 第14-16页 |
| 2 分子光谱分析技术 | 第16-24页 |
| 2.1 近红外光谱中的漫反射理论 | 第16-19页 |
| 2.2 近红外光谱对谱区的选择 | 第19页 |
| 2.3 近红外光谱定性识别分析过程 | 第19-20页 |
| 2.4 近红外定性分析方法 | 第20-22页 |
| 2.5 近红外判别模型评价方法 | 第22页 |
| 2.6 本章小结 | 第22-24页 |
| 3 近红外光谱数据降维算法研究 | 第24-42页 |
| 3.1 基于特征选择的降维算法研究 | 第25-32页 |
| 3.1.1 基于连续投影方法的近红外光谱变量选择 | 第25-27页 |
| 3.1.2 实验部分 | 第27-32页 |
| 3.2 基于特征提取的降维算法研究 | 第32-40页 |
| 3.2.1 降维算法 | 第32-37页 |
| 3.2.2 实验验证与分析 | 第37-40页 |
| 3.3 本章小结 | 第40-42页 |
| 4 基于改进的KNN算法在不同产地烟叶识别中的应用 | 第42-50页 |
| 4.1 KNN以及改进的KNN算法 | 第43-46页 |
| 4.1.1 KNN算法概述 | 第43-44页 |
| 4.1.2 基于KNN算法的改进 | 第44-46页 |
| 4.2 实验部分 | 第46-49页 |
| 4.2.1 实验 | 第46-48页 |
| 4.2.4 实验结果分析 | 第48-49页 |
| 4.3 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-54页 |
| 5.1 本文的工作总结 | 第50-51页 |
| 5.2 未来研究展望 | 第51-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 个人简历 | 第60页 |
| 攻读硕士学位期间发表的论文 | 第60页 |