基于优化SVM的荧光光谱检测
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 荧光光谱技术的应用进展 | 第13-14页 |
| 1.4 论文主要研究工作 | 第14-16页 |
| 1.4.1 课题来源 | 第14-15页 |
| 1.4.2 主要研究工作 | 第15-16页 |
| 第2章 荧光检测机理及FS920实验系统 | 第16-35页 |
| 2.1 引言 | 第16页 |
| 2.2 荧光概述 | 第16-25页 |
| 2.2.1 荧光产生机理 | 第16-18页 |
| 2.2.2 荧光的发光参数 | 第18-19页 |
| 2.2.3 荧光光谱的特点 | 第19-20页 |
| 2.2.4 荧光的影响因素 | 第20-23页 |
| 2.2.5 荧光分析法 | 第23-25页 |
| 2.3 荧光实验系统 | 第25-34页 |
| 2.3.1 FS920系统组成 | 第25-29页 |
| 2.3.2 苯并类物质的荧光实验 | 第29-31页 |
| 2.3.3 山梨酸钾的荧光实验 | 第31-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 基于优化支持向量机的苯并类物质荧光检测 | 第35-47页 |
| 3.1 引言 | 第35页 |
| 3.2 支持向量机算法 | 第35-41页 |
| 3.2.1 统计学习理论 | 第36-38页 |
| 3.2.2 SVM的分类问题 | 第38-41页 |
| 3.2.3 SVM的分类评价指标 | 第41页 |
| 3.3 改进的鸡群优化算法 | 第41-43页 |
| 3.4 ICSO-SVM模型的建立 | 第43页 |
| 3.5 ICSO-SVM预测三类混合物的种类 | 第43-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第4章 基于优化支持向量机的防腐剂荧光检测 | 第47-56页 |
| 4.1 引言 | 第47页 |
| 4.2 SVM的回归问题 | 第47-48页 |
| 4.2.1 回归分析问题 | 第47-48页 |
| 4.2.2 SVM的回归评价指标 | 第48页 |
| 4.3 布谷鸟算法 | 第48-49页 |
| 4.4 CS-SVM模型的建立 | 第49-50页 |
| 4.5 CS-SVM预测山梨酸钾的浓度 | 第50-53页 |
| 4.6 CS-SVM模型的验证 | 第53-55页 |
| 4.7 本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
| 致谢 | 第64-65页 |
