| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 文献综述 | 第9-18页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外废旧塑料的回收与利用现状 | 第9-10页 |
| 1.3 废旧塑料的处理与传统的分离方法 | 第10-14页 |
| 1.3.1 废旧塑料的处理方法 | 第11-12页 |
| 1.3.2 废旧塑料的传统分类方法 | 第12-14页 |
| 1.4 国内外光谱识别分类废旧塑料的研究 | 第14-16页 |
| 1.5 论文研究思路与内容 | 第16-18页 |
| 1.5.1 整体思路 | 第16页 |
| 1.5.2 创新点 | 第16页 |
| 1.5.3 研究内容 | 第16-18页 |
| 第二章 基于近红外高光谱技术废旧塑料光谱数据的采集与分析 | 第18-29页 |
| 2.1 近红外高光谱成像技术 | 第18-20页 |
| 2.1.1 近红外高光谱成像技术概述 | 第18-19页 |
| 2.1.2 近红外高光谱成像技术的工作原理 | 第19-20页 |
| 2.1.3 近红外高光谱成像技术的特点 | 第20页 |
| 2.2 近红外光谱识别废旧塑料的基本原理 | 第20-21页 |
| 2.3 塑料样本光谱数据的采集与分析 | 第21-28页 |
| 2.3.1 光谱数据的采集与校正 | 第21-22页 |
| 2.3.2 塑料样本的近红外光谱图 | 第22-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 特征波长选择方法的研究 | 第29-44页 |
| 3.1 特征波长选择的依据与方法 | 第29-30页 |
| 3.2 主成分分析法选取特征波长 | 第30-34页 |
| 3.2.1 主成分分析法概述 | 第30页 |
| 3.2.2 主成分分析法的原理 | 第30-33页 |
| 3.2.3 主成分分析法的应用 | 第33-34页 |
| 3.3 偏最小二乘回归法选取特征波长 | 第34-40页 |
| 3.3.1 偏最小二乘回归法概述 | 第34-35页 |
| 3.3.2 偏最小二乘回归法的原理 | 第35-39页 |
| 3.3.3 偏最小二乘回归法的应用 | 第39-40页 |
| 3.4 基于Fisher判别分析选择合适的特征波长选择方法 | 第40-43页 |
| 3.4.1 Fisher判别分析法概述 | 第40页 |
| 3.4.2 主成分分析法选择的特征波长的Fisher判别分析 | 第40-42页 |
| 3.4.3 偏最小二乘回归法选择的特征波长的Fisher判别分析 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 识别分类模型建立方法的研究 | 第44-60页 |
| 4.1 识别分类模型概述 | 第44页 |
| 4.2 基于距离判别分析法建立识别分类模型 | 第44-51页 |
| 4.2.1 距离判别分析法概述 | 第44-45页 |
| 4.2.2 距离判别分析法的原理 | 第45-48页 |
| 4.2.3 基于距离判别分析法的识别分类模型 | 第48-51页 |
| 4.3 基于支持向量机序列最小优化算法建立识别分类模型 | 第51-57页 |
| 4.3.1 支持向量机序列最小优化算法概述 | 第51页 |
| 4.3.2 支持向量机序列最小优化算法的原理 | 第51-56页 |
| 4.3.3 基于支持向量机序列最小优化算法的识别分类模型 | 第56-57页 |
| 4.4 两种方法对比分析 | 第57-59页 |
| 4.4.1 验证距离判别分析法建立的模型 | 第57-58页 |
| 4.4.2 验证支持向量机序列最小优化算法建立的模型 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 识别分类模型的建立与验证 | 第60-76页 |
| 5.1 识别分类模型的设计思路 | 第60页 |
| 5.2 识别分类模型的建立 | 第60-69页 |
| 5.2.1 第一次识别分类模型的建立 | 第61-63页 |
| 5.2.2 第二次识别分类模型的建立 | 第63-65页 |
| 5.2.3 第三次识别分类模型的建立 | 第65-67页 |
| 5.2.4 第四次识别分类模型的建立 | 第67-69页 |
| 5.3 识别分类模型的验证 | 第69-75页 |
| 5.3.1 第一次识别分类模型的验证 | 第70-71页 |
| 5.3.2 第二次识别分类模型的验证 | 第71-72页 |
| 5.3.3 第三次识别分类模型的验证 | 第72-74页 |
| 5.3.4 第四次识别分类模型的验证 | 第74-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 结论与展望 | 第76-78页 |
| 6.1 结论 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 发表论文和参加科研情况说明 | 第83-84页 |
| 致谢 | 第84-85页 |
