首页--数理科学和化学论文--计算数学论文--数学模拟、近似计算论文--数学模拟论文

基于半监督和迁移学习的近红外光谱建模方法研究

摘要第1-8页
Abstract第8-15页
1 引言第15-29页
   ·研究背景第15-17页
   ·国内外研究现状第17-23页
     ·近红外光谱分析技术现状第17-20页
     ·机器学习研究现状第20-23页
   ·论文研究意义第23-25页
   ·主要研究内容第25-26页
   ·论文组织结构第26-29页
2 近红外光谱分析与机器学习概述第29-43页
   ·近红外光谱分析技术第29-34页
     ·光谱数据预处理方法第30-32页
     ·光谱分析建模方法第32-33页
     ·模型评价方法第33-34页
   ·机器学习第34-41页
     ·无监督学习第35-36页
     ·监督学习第36页
     ·半监督学习第36-38页
     ·流形学习第38-39页
     ·迁移学习第39-41页
   ·基于机器学习的近红外光谱分析框架第41页
   ·本章小结第41-43页
3 半监督核邻域保护嵌入算法及光谱降维第43-65页
   ·问题的提出第43-45页
   ·相关基础研究第45-55页
     ·主成分分析与近红外光谱降维第46-49页
     ·传统流形学习与近红外光谱降维第49-53页
     ·半监督流形学习方法第53-55页
   ·半监督核邻域保护嵌入算法第55-59页
     ·核空间距离与邻域选择第55-56页
     ·SSKNPE 算法思想第56-57页
     ·SSKNPE 算法设计第57-59页
   ·实验结果及分析第59-64页
     ·实验数据第59-60页
     ·实验评价指标第60页
     ·实验结果及讨论第60-64页
   ·本章小结第64-65页
4 基于近邻传播的半监督 SVM 算法及光谱定性分析第65-79页
   ·问题的提出第65-67页
   ·寻找低密度分界线第67-68页
   ·基于近邻传播的半监督 SVM 算法第68-75页
     ·安全的低密度分界线第69-70页
     ·目标函数非凸优化第70-72页
     ·近邻传播聚类算法第72-73页
     ·APS4VM 算法设计第73-75页
   ·实验结果及分析第75-78页
     ·实验数据第75-76页
     ·分类器性能评价指标第76-77页
     ·实验结果及讨论第77-78页
   ·本章小结第78-79页
5 基于量子粒子群优化的半监督回归算法及光谱定量分析第79-94页
   ·问题的提出第79-80页
   ·相关基础研究第80-83页
     ·最小二乘支持向量机回归算法第80-81页
     ·半监督回归算法第81-83页
   ·基于量子粒子群优化的半监督 SVR 算法第83-89页
     ·半监督最小二乘支持向量回归算法第83-84页
     ·量子粒子群优化算法第84-86页
     ·QPSO-LSS3VR 算法设计第86-89页
   ·实验结果及分析第89-92页
     ·实验数据第89页
     ·实验结果及讨论第89-92页
   ·本章小结第92-94页
6 基于集成迁移学习的近红外光谱分析模型传递方法第94-110页
   ·问题的提出第94-95页
   ·相关基础研究第95-100页
     ·模型传递的基本概念第95-96页
     ·几种有标模型传递方法第96-98页
     ·基于实例的迁移学习方法第98-100页
   ·基于相似匹配与迁移学习的模型传递算法第100-105页
     ·SM-TrBoostEns 算法思想第101-104页
     ·SM-TrBoostEns 算法设计第104-105页
   ·实验结果及分析第105-109页
     ·实验数据第105-106页
     ·实验结果及讨论第106-109页
   ·本章小结第109-110页
7 总结和展望第110-113页
   ·本文工作总结第110-111页
   ·未来研究展望第111-113页
参考文献第113-119页
致谢第119-120页
个人简历、在学期间发表的学术论文第120-121页
攻读博士学位期间参加科研情况及科研成果第121页

论文共121页,点击 下载论文
上一篇:国际投资中的间接征收标准探究
下一篇:麦盖提斜坡玛南断裂带演化特征及其油气意义