| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 LIBS技术概述 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 定性分析 | 第11-13页 |
| 1.3.2 定量分析 | 第13-14页 |
| 1.4 本文研究内容和结构安排 | 第14-15页 |
| 1.5 小结 | 第15-17页 |
| 第二章 LIBS光谱数据定性与定量分析算法 | 第17-23页 |
| 2.1 LIBS光谱数据定性分析方法 | 第17-20页 |
| 2.1.1 主成分分析法 | 第17-18页 |
| 2.1.2 簇类独立软模式 | 第18-19页 |
| 2.1.3 随机森林 | 第19-20页 |
| 2.2 LIBS光谱数据定量分析方法 | 第20-22页 |
| 2.2.1 偏最小二乘法 | 第20-21页 |
| 2.2.2 人工神经网络 | 第21页 |
| 2.2.3 支持向量回归机 | 第21-22页 |
| 2.3 小结 | 第22-23页 |
| 第三章 一种用于LIBS光谱数据定性分析的随机森林算法 | 第23-33页 |
| 3.1 问题的提出 | 第23页 |
| 3.2 随机森林算法 | 第23-26页 |
| 3.2.1 随机森林的集成方法—Bagging方法 | 第24页 |
| 3.2.2 随机森林算法的基分类器—CART | 第24-26页 |
| 3.3 随机森林算法的改进 | 第26-30页 |
| 3.3.1 决策树节点分裂算法 | 第26-27页 |
| 3.3.2 算法的改进 | 第27-30页 |
| 3.4 实验与评价 | 第30-32页 |
| 3.5 小结 | 第32-33页 |
| 第四章 一种用于LIBS光谱数据定量分析的支持向量回归机 | 第33-45页 |
| 4.1 问题的提出 | 第33页 |
| 4.2 PLS、ANN定量分析对比 | 第33-36页 |
| 4.2.1 PLS原理及建模过程 | 第33-34页 |
| 4.2.2 ANN原理及建模过程 | 第34-35页 |
| 4.2.3 结果与分析 | 第35-36页 |
| 4.3 SVR | 第36-42页 |
| 4.3.1 SVR基本原理 | 第36-39页 |
| 4.3.2 一种参数自适应的支持向量回归机—LSVR | 第39-42页 |
| 4.4 结果与分析 | 第42-43页 |
| 4.5 小节 | 第43-45页 |
| 第五章 LIBS/LIBRAS光谱数据分析系统 | 第45-55页 |
| 5.1 应用分析 | 第45页 |
| 5.2 总体设计 | 第45-48页 |
| 5.2.1 系统模块设计 | 第46-47页 |
| 5.2.2 数据库模块设计 | 第47-48页 |
| 5.3 系统实现 | 第48-54页 |
| 5.3.1 数据库的实现 | 第48-49页 |
| 5.3.2 程序流程 | 第49-54页 |
| 5.4 小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-63页 |
| 攻读硕士学位期间取得的学术成果 | 第63-65页 |
| 致谢 | 第65-66页 |
