免疫算法在异常光谱识别中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·研究背景及意义 | 第9-10页 |
| ·人工免疫算法研究的历史和现状 | 第10-12页 |
| ·近红外光谱异常样本研究的历史与现状 | 第12-13页 |
| ·本文主要工作 | 第13-15页 |
| 2 生物免疫和人工免疫算法 | 第15-23页 |
| ·引言 | 第15页 |
| ·生物免疫系统 | 第15-20页 |
| ·生物免疫系统概述 | 第15-16页 |
| ·生物免疫系统组成 | 第16-17页 |
| ·生物免疫系统的主要功能 | 第17-19页 |
| ·克隆选择学说 | 第19-20页 |
| ·人工免疫算法 | 第20-23页 |
| ·一般免疫算法 | 第20-21页 |
| ·克隆选择算法 | 第21页 |
| ·否定选择算法 | 第21页 |
| ·免疫学习算法 | 第21-23页 |
| 3 免疫克隆选择算法及算法改进 | 第23-41页 |
| ·基本克隆选择算法描述 | 第23-25页 |
| ·基本克隆选择算法的收敛性 | 第25-27页 |
| ·免疫克隆选择算法的仿真测试 | 第27-29页 |
| ·免疫克隆选择算法存在的问题 | 第29-30页 |
| ·并行免疫记忆克隆选择算法 | 第30-36页 |
| ·并行模型描述 | 第30-31页 |
| ·主线程操作 | 第31-33页 |
| ·子线程操作 | 第33-34页 |
| ·并行实现 | 第34-36页 |
| ·并行免疫记忆克隆选择算法参数分析 | 第36-41页 |
| ·种群数量 | 第37-38页 |
| ·主种群克隆规模因子 | 第38-39页 |
| ·迁入抗体克隆规模 | 第39-40页 |
| ·子种群变异概率 | 第40-41页 |
| 4 近红外光谱数据样本异常识别的预备知识 | 第41-53页 |
| ·异常样本产生的原因 | 第41页 |
| ·近红外光谱定量分析技术 | 第41-43页 |
| ·校正集样品的选择 | 第41-42页 |
| ·原始光谱的预处理 | 第42页 |
| ·校正模型的建立与验证 | 第42页 |
| ·未知样品的分析 | 第42-43页 |
| ·多变量回归建模方法 | 第43-48页 |
| ·多元线性回归模型 | 第43-44页 |
| ·主成分回归模型 | 第44-46页 |
| ·偏最小二乘回归模型 | 第46-48页 |
| ·近红外光谱异常样本剔除的常用方法 | 第48-51页 |
| ·传统方法 | 第49-50页 |
| ·稳健回归方法 | 第50-51页 |
| ·异常样本识别评判标准 | 第51-53页 |
| 5 免疫克隆算法在异常光谱识别中的应用研究 | 第53-67页 |
| ·异常样本识别中免疫算法各算子的实现 | 第53-57页 |
| ·抗体种群编码 | 第53-54页 |
| ·适应度函数 | 第54页 |
| ·解的多样性评价 | 第54-55页 |
| ·克隆选择 | 第55-57页 |
| ·仿真实验 | 第57-67页 |
| ·实验数据 | 第57页 |
| ·实验方法 | 第57-58页 |
| ·实验结果与分析 | 第58-67页 |
| 6 结论 | 第67-68页 |
| ·总结 | 第67页 |
| ·展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的论文 | 第71-72页 |
| 致谢 | 第72-74页 |
