基于统计机器学习的光谱识别技术
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 散射光谱分析方法的研究现状 | 第8-10页 |
| 1.2.2 统计机器学习的研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 第二章 统计机器学习技术 | 第13-22页 |
| 2.1 统计机器学习概述 | 第13-14页 |
| 2.1.1 机器识别技术 | 第13页 |
| 2.1.2 统计机器学习的工作流程 | 第13-14页 |
| 2.2 朴素贝叶斯分类器 | 第14页 |
| 2.2.1 朴素贝叶斯分类器基本原理 | 第14页 |
| 2.2.2 朴素贝叶斯分类器算法流程 | 第14页 |
| 2.3 K近邻算法 | 第14-15页 |
| 2.3.1 K近邻算法基本原理 | 第14-15页 |
| 2.3.2 相似性度量 | 第15页 |
| 2.4 BP神经网络 | 第15-18页 |
| 2.4.1 BP神经网络结构 | 第15页 |
| 2.4.2 BP神经网络算法 | 第15-18页 |
| 2.4.3 BP神经网络特点 | 第18页 |
| 2.5 卷积神经网络 | 第18-21页 |
| 2.5.1 卷积神经网络结构 | 第18-19页 |
| 2.5.2 卷积神经网络算法 | 第19-21页 |
| 2.5.3 卷积神经网络特点 | 第21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 散射光谱测量实验与数据预处理 | 第22-31页 |
| 3.1 散射光谱测量实验 | 第22-24页 |
| 3.2 数据预处理 | 第24-30页 |
| 3.2.1 去噪 | 第24-25页 |
| 3.2.2 计算双向反射分布函数 | 第25-29页 |
| 3.2.3 归一化 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第四章 基于统计机器学习的材质识别实验 | 第31-37页 |
| 4.1 基于朴素贝叶斯分类器的材质识别实验 | 第31-32页 |
| 4.2 基于K近邻算法的材质识别实验 | 第32-34页 |
| 4.3 基于BP神经网络的材质识别实验 | 第34-35页 |
| 4.4 基于卷积神经网络的材质识别实验 | 第35页 |
| 4.5 精度评价与分析 | 第35-36页 |
| 4.6 本章小结 | 第36-37页 |
| 第五章 结论 | 第37-38页 |
| 致谢 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 硕士期间发表论文与研究成果 | 第42页 |
