| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 课题的主要研究内容 | 第11页 |
| 1.4 论文的结构安排 | 第11-13页 |
| 第二章 近红外光谱分析技术 | 第13-24页 |
| 2.1 近红外光谱分析的基本原理 | 第13-14页 |
| 2.2 近红外光谱定量分析的流程 | 第14页 |
| 2.3 近红外光谱的预处理 | 第14-16页 |
| 2.4 近红外光谱的奇异样本识别 | 第16-18页 |
| 2.4.1 奇异样本的产生原因 | 第16-17页 |
| 2.4.2 校正过程中奇异样本的识别 | 第17页 |
| 2.4.3 预测过程中奇异样本的识别 | 第17-18页 |
| 2.5 定量校正模型的算法 | 第18-21页 |
| 2.5.1 多元线性回归 | 第18页 |
| 2.5.2 主成分回归 | 第18-19页 |
| 2.5.3 偏最小二乘回归 | 第19-20页 |
| 2.5.4 支持向量回归 | 第20-21页 |
| 2.6 模型的评价方法 | 第21-22页 |
| 2.7 本章小结 | 第22-24页 |
| 第三章 奇异样本识别算法的改进 | 第24-43页 |
| 3.1 奇异样本识别方法 | 第24-28页 |
| 3.1.1 光谱残差比法 | 第25页 |
| 3.1.2 马氏距离法 | 第25-26页 |
| 3.1.3 主成分分析-马氏距离法 | 第26-27页 |
| 3.1.4 蒙特卡洛交叉验证法 | 第27-28页 |
| 3.2 基于MCCV结合T检验的奇异样本识别算法 | 第28-31页 |
| 3.3 实验分析 | 第31-42页 |
| 3.3.1 实验数据 | 第31-35页 |
| 3.3.2 实验结果与分析 | 第35-39页 |
| 3.3.3 算法对比 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 基于MCCV结合T检验算法的适用性及稳健性研究 | 第43-66页 |
| 4.1 算法的适用性分析 | 第43-63页 |
| 4.1.1 样本数量对算法的影响 | 第43-47页 |
| 4.1.2 不同光谱预处理方法对算法的影响 | 第47-63页 |
| 4.2 算法的稳健性分析 | 第63-65页 |
| 4.2.1 MCCV校正集与预测集选取比例对算法的影响 | 第63-65页 |
| 4.2.2 T检验数据量对算法的影响 | 第65页 |
| 4.3 本章小结 | 第65-66页 |
| 第五章 结论与展望 | 第66-67页 |
| 5.1 主要结论 | 第66页 |
| 5.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 在学期间的研究成果 | 第70-71页 |
| 致谢 | 第71页 |