基于光谱分析的血液种属分析仪实现及鉴别方法研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-23页 |
| 1.1 非接触式血液光谱识别技术的意义 | 第10-11页 |
| 1.2 非接触式血液光谱识别技术原理 | 第11页 |
| 1.3 非接触式血液光谱识别技术的发展现状 | 第11-21页 |
| 1.4 论文主要研究内容与章节安排 | 第21-23页 |
| 2 超连续谱光源探索 | 第23-34页 |
| 2.1 引言 | 第23页 |
| 2.2 超连续谱光源产生机理 | 第23-26页 |
| 2.3 超连续谱光源产生仿真 | 第26-30页 |
| 2.4 超快脉冲发生器设计 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 3 血液光谱数据预处理方法 | 第34-58页 |
| 3.1 引言 | 第34-35页 |
| 3.2 光谱方法介绍 | 第35-41页 |
| 3.3 光谱数据的前处理方法 | 第41-46页 |
| 3.4 主成分分析 | 第46-53页 |
| 3.5 经典分类方法 | 第53-57页 |
| 3.6 本章小结 | 第57-58页 |
| 4 血液种属鉴别仪设计及实现 | 第58-74页 |
| 4.1 引言 | 第58页 |
| 4.2 仪器需求分析 | 第58-62页 |
| 4.3 仪器结构设计 | 第62-66页 |
| 4.4 主控系统介绍 | 第66-68页 |
| 4.5 软硬件系统设计 | 第68-73页 |
| 4.6 本章小结 | 第73-74页 |
| 5 应用机器学习的血液物种分类方法 | 第74-97页 |
| 5.1 引言 | 第74-75页 |
| 5.2 k邻近算法 | 第75-77页 |
| 5.3 支持向量机 | 第77-88页 |
| 5.4 贝叶斯方法 | 第88-96页 |
| 5.5 本章小结 | 第96-97页 |
| 6 应用遗传算法和集成学习方法提高分类准确度 | 第97-114页 |
| 6.1 引言 | 第97-98页 |
| 6.2 遗传算法介绍 | 第98-100页 |
| 6.3 应用遗传算法为原始数据分配权重 | 第100-107页 |
| 6.4 集成学习方法 | 第107-113页 |
| 6.5 本章小结 | 第113-114页 |
| 7 总结与展望 | 第114-116页 |
| 参考文献 | 第116-127页 |
| 作者简历及攻读学位期间发表的学术论文与科研成果 | 第127-128页 |
