| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 论文主要工作 | 第11-12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第二章 光谱数据库相关理论 | 第15-23页 |
| 2.1 红外光谱技术 | 第15-16页 |
| 2.2 光谱信息预处理 | 第16-19页 |
| 2.3 光谱数据库常见算法 | 第19-23页 |
| 第三章 光谱特征峰识别方法及动态光谱距离算法 | 第23-39页 |
| 3.1 传统红外光谱分析中的问题 | 第23-24页 |
| 3.2 基于动态峰形因子的光谱特征峰识别算法 | 第24-26页 |
| 3.3 动态光谱距离算法 | 第26-29页 |
| 3.3.1 预处理 | 第27-28页 |
| 3.3.2 动态光谱距离算法 | 第28-29页 |
| 3.4 实验及结果分析 | 第29-37页 |
| 3.4.1 DPS算法识别光谱曲线的有效特征峰 | 第31-33页 |
| 3.4.2 构建类别中心 | 第33页 |
| 3.4.3 DSD算法参数确定 | 第33-34页 |
| 3.4.4 DSD算法识别样品种类 | 第34-35页 |
| 3.4.5 对不同组合的样品分类 | 第35-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于自组织特征映射神经网络的光谱分类匹配算法 | 第39-53页 |
| 4.1 传统光谱匹配算法分析 | 第39-40页 |
| 4.2 自组织特征映射神经网络 | 第40-42页 |
| 4.3 基于虚拟竞争的TGSOM算法 | 第42-45页 |
| 4.3.1 算法描述 | 第42-44页 |
| 4.3.2 参数确定 | 第44-45页 |
| 4.4 实验及结果分析 | 第45-51页 |
| 4.4.1 构建类别中心 | 第45页 |
| 4.4.2 VC-TGSOM网络参数确定 | 第45-47页 |
| 4.4.3 VC-TGSOM网络识别样品种类 | 第47-49页 |
| 4.4.4 对不同组合样品分类 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-57页 |
| 5.1 主要研究结论 | 第53-54页 |
| 5.2 主要创新点 | 第54页 |
| 5.3 进一步研究展望 | 第54-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |