| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 引言 | 第12-13页 |
| 1.2 研究目的及意义 | 第13-14页 |
| 1.3 高光谱技术分析 | 第14-19页 |
| 1.3.1 高光谱分析技术基础 | 第14-15页 |
| 1.3.2 高光谱成像技术原理 | 第15-17页 |
| 1.3.3 高光谱技术特点 | 第17-19页 |
| 1.4 高光谱技术的研究现状分析 | 第19-23页 |
| 1.4.1 国外研究现状 | 第19-21页 |
| 1.4.2 国内研究现状 | 第21-23页 |
| 1.5 课题研究内容及技术路线 | 第23-25页 |
| 1.5.1 研究主要内容 | 第23页 |
| 1.5.2 研究技术路线 | 第23-25页 |
| 1.6 本章小结 | 第25-26页 |
| 第2章 高光谱数据处理 | 第26-40页 |
| 2.1 Matlab简介 | 第26-27页 |
| 2.2 高光谱数据预处理 | 第27-36页 |
| 2.2.1 均值中心化 | 第28页 |
| 2.2.2 标准化 | 第28-29页 |
| 2.2.3 归一化 | 第29-30页 |
| 2.2.4 标准正态变量变换（SNV） | 第30页 |
| 2.2.5 多元散射校正（MSC） | 第30-31页 |
| 2.2.6 平滑去噪算法 | 第31-32页 |
| 2.2.7 Savitzky-Golay卷积求导法 | 第32-36页 |
| 2.3 特征波长优选 | 第36-37页 |
| 2.3.1 特征波长选择算法 | 第36页 |
| 2.3.2 连续投影算法（SPA） | 第36-37页 |
| 2.4 模型评价指标 | 第37-38页 |
| 2.5 本章小结 | 第38-40页 |
| 第3章 牛肉新鲜度模型建立 | 第40-53页 |
| 3.1 多元线性回归（MLR） | 第40-43页 |
| 3.1.1 理论概述 | 第40-42页 |
| 3.1.2 MLR模型建立 | 第42-43页 |
| 3.1.3 模型预测结果分析 | 第43页 |
| 3.2 误差反向传输人工神经网络（BP-ANN） | 第43-48页 |
| 3.2.1 BP-ANN原理简介 | 第43-47页 |
| 3.2.2 BP-ANN模型建立 | 第47-48页 |
| 3.2.3 模型预测结果分析 | 第48页 |
| 3.3 径向基函数神经网络（RBF-ANN） | 第48-51页 |
| 3.3.1 RBF-ANN原理简介 | 第48-50页 |
| 3.3.2 RBF-ANN模型建立 | 第50页 |
| 3.3.3 模型预测结果分析 | 第50-51页 |
| 3.4 模型性能比较 | 第51-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 牛肉水分含量模型建立 | 第53-59页 |
| 4.1 多元线性回归（MLR） | 第53-54页 |
| 4.1.1 MLR模型建立 | 第53-54页 |
| 4.1.2 模型预测结果分析 | 第54页 |
| 4.2 误差反向传输人工神经网络（BP-ANN） | 第54-56页 |
| 4.2.1 BP-ANN模型建立 | 第54-55页 |
| 4.2.2 模型预测结果分析 | 第55-56页 |
| 4.3 径向基函数神经网络（RBF-ANN） | 第56-57页 |
| 4.3.1 RBF-ANN模型建立 | 第56页 |
| 4.3.2 模型预测结果分析 | 第56-57页 |
| 4.4 模型性能比较 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 结论 | 第59-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第67-68页 |
| 致谢 | 第68-69页 |