激光诱导击穿光谱结合化学计量学研究铁矿石分类
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-19页 |
| 1.1 研究背景 | 第8页 |
| 1.2 激光诱导击穿光谱概况 | 第8-12页 |
| 1.2.1 激光诱导击穿光谱基本原理 | 第9-10页 |
| 1.2.2 激光诱导击穿光谱实验装置和系统参数 | 第10-12页 |
| 1.3 化学计量学在激光诱导击穿光谱中的应用 | 第12-14页 |
| 1.4 本文的研究内容和章节安排 | 第14-15页 |
| 参考文献 | 第15-19页 |
| 第二章 光谱预处理 | 第19-31页 |
| 2.1 引言 | 第19页 |
| 2.2 实验装置与样品 | 第19-22页 |
| 2.2.1 实验装置及参数 | 第19-20页 |
| 2.2.2 实验样品及规格 | 第20-22页 |
| 2.3 小波变换在降噪处理中的的应用 | 第22-26页 |
| 2.3.1 降噪方法简介 | 第22-23页 |
| 2.3.2 小波变换的基本原理 | 第23-24页 |
| 2.3.3 小波变换参数的选择 | 第24-26页 |
| 2.4 主成分分析(PCA)降维 | 第26-29页 |
| 2.5 本章小结 | 第29页 |
| 参考文献 | 第29-31页 |
| 第三章 基于K-最邻近法的铁矿石分类研究 | 第31-40页 |
| 3.1 引言 | 第31-33页 |
| 3.2 K-最邻近法原理及算法 | 第33-36页 |
| 3.2.1 K-最邻近法基本原理 | 第33-34页 |
| 3.2.2 k值的选择 | 第34-35页 |
| 3.2.3 距离函数的选择 | 第35-36页 |
| 3.3 KNN算法结果与分析 | 第36-38页 |
| 3.4 本章小结 | 第38页 |
| 参考文献 | 第38-40页 |
| 第四章 基于人工神经网络的铁矿石分类研究 | 第40-55页 |
| 4.1 引言 | 第40页 |
| 4.2 人工神经网络基本原理 | 第40-43页 |
| 4.3 BP人工神经网络算法 | 第43-53页 |
| 4.3.1 BP人工神经网络的基本原理 | 第43-44页 |
| 4.3.2 BP人工神经网络结构特征 | 第44-46页 |
| 4.3.3 BP人工神经网络参数设置 | 第46-49页 |
| 4.3.4 MATLAB工作实现 | 第49-50页 |
| 4.3.5 实验结果分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 参考文献 | 第54-55页 |
| 结论与展望 | 第55-57页 |
| 1. 全文总结 | 第55页 |
| 2. 下一步工作展望 | 第55-57页 |
| 攻读硕士学位期间参与的科研项目与成果 | 第57-58页 |
| 一、科研项目 | 第57页 |
| 二、科研成果 | 第57-58页 |
| 致谢 | 第58页 |
