| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景和研究意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文的主要工作及组织结构 | 第10-11页 |
| 2 反演基本原理和相关方法概述 | 第11-25页 |
| 2.1 细胞纳米结构参数反演的基本原理 | 第11-12页 |
| 2.2 相关反演算法 | 第12-23页 |
| 2.2.1 偏最小二乘回归法的原理及特点 | 第12-15页 |
| 2.2.2 BP 神经网络的原理及特点 | 第15-19页 |
| 2.2.3 最小二乘支持向量机的原理及特点 | 第19-23页 |
| 2.3 本章小结 | 第23-25页 |
| 3 细胞纳米结构参数反演模型研究与设计 | 第25-49页 |
| 3.1 系统参数的获取 | 第25-34页 |
| 3.2 基于偏最小二乘回归法的细胞纳米结构参数反演模型 | 第34-36页 |
| 3.2.1 偏最小二乘回归法设计原则 | 第34页 |
| 3.2.2 反演模型设计 | 第34-36页 |
| 3.3 基于 BP 神经网络的细胞纳米结构参数反演模型 | 第36-39页 |
| 3.3.1 BP 神经网络的设计原则 | 第36-37页 |
| 3.3.2 反演模型设计 | 第37-39页 |
| 3.4 基于最小二乘支持向量机的细胞纳米结构参数反演模型 | 第39-43页 |
| 3.4.1 最小二乘支持向量机的设计原则 | 第39-41页 |
| 3.4.2 反演模型设计 | 第41-43页 |
| 3.5 基于 PSO 参数优化的 LS-SVM 细胞纳米结构参数反演模型 | 第43-48页 |
| 3.5.1 粒子群优化算法的原理及特点 | 第44-46页 |
| 3.5.2 惯性权重线性递减 PSO 算法 | 第46页 |
| 3.5.3 反演模型设计 | 第46-48页 |
| 3.6 本章小结 | 第48-49页 |
| 4 实验结果与分析 | 第49-67页 |
| 4.1 反演模型评估标准 | 第49页 |
| 4.2 基于 PLS 的反演模型的反演结果与分析 | 第49-51页 |
| 4.3 基于 BP 神经网络的反演模型的反演结果与分析 | 第51-56页 |
| 4.4 基于 LS-SVM 的反演模型的反演结果与分析 | 第56-59页 |
| 4.5 基于 PSO 参数优化的 LS-SVM 反演模型的反演结果与分析 | 第59-61页 |
| 4.6 实验总结 | 第61-65页 |
| 4.7 本章小结 | 第65-67页 |
| 5 总结与展望 | 第67-69页 |
| 5.1 总结 | 第67页 |
| 5.2 工作展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 附录 | 第75页 |
| A. 作者在攻读学位期间取得的科研成果 | 第75页 |
| B. 作者在攻读学位期间参与的科研项目 | 第75页 |
