| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·近红外光谱分析技术的发展和应用 | 第7-8页 |
| ·新鲜度检测技术的发展及应用 | 第8-10页 |
| ·基于模式识别的水产品新鲜度检测方法 | 第10-11页 |
| ·论文的主要研究内容 | 第11-15页 |
| 第二章 光谱数据的降维与分类算法 | 第15-23页 |
| ·引言 | 第15页 |
| ·光谱数据的降维算法 | 第15-19页 |
| ·主成分分析法 | 第15-17页 |
| ·线性判别分析法 | 第17-19页 |
| ·光谱数据的分类算法 | 第19-22页 |
| ·稀疏表示分类算法 | 第19-20页 |
| ·支持向量机 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 PCA与LDA在近红外光谱数据降维中的对比研究 | 第23-37页 |
| ·引言 | 第23页 |
| ·实验介绍 | 第23-27页 |
| ·实验设备 | 第23-25页 |
| ·实验材料与光谱数据获取 | 第25页 |
| ·新鲜度检测的标准 | 第25-27页 |
| ·偏最小二乘回归模型的概述 | 第27-33页 |
| ·不同降维方法的比较和分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 SVM与SR在近红外光谱预测建模中的对比研究 | 第37-43页 |
| ·引言 | 第37页 |
| ·两种算法的处理的简单介绍 | 第37-40页 |
| ·稀疏表示分类算法 | 第37-38页 |
| ·支持向量机分类算法 | 第38-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 结论 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-51页 |
| 攻读学位期间发表的学术论文目录 | 第51页 |