| 致谢 | 第1-9页 |
| 摘要 | 第9-10页 |
| Abstract | 第10-12页 |
| 1 前言 | 第12-14页 |
| 2 文献综述 | 第14-32页 |
| ·近红外分析技术的理论基础 | 第14-15页 |
| ·近红外光谱技术中的化学计量学方法 | 第15-31页 |
| ·近红外光谱预处理方法的研究 | 第16-18页 |
| ·小波变换法(Wavelet transform,WT) | 第16页 |
| ·正交信号校正(Orthogonal signal correction,OSC) | 第16-18页 |
| ·变量选择方法 | 第18-19页 |
| ·基于蒙特卡罗的无信息变量消除(Monte Carlo uninformative variableelimination,MC-UVE) | 第18页 |
| ·连续投影算法(Successive projections algorithm,SPA) | 第18-19页 |
| ·其他变量选择方法 | 第19页 |
| ·近红外光谱定量回归校正方法 | 第19-30页 |
| ·支持向量机(Support vector machine,SVM) | 第19-24页 |
| ·核偏最小二乘法(Kernel partial least squares,KPLS) | 第24-25页 |
| ·集成(共识)建模策略 | 第25-27页 |
| ·PLS稳健性建模方法 | 第27-28页 |
| ·稳健的支持向量机回归算法 | 第28-30页 |
| ·模型传递 | 第30页 |
| ·近红外模型评价指标 | 第30-31页 |
| ·近红外光谱技术的特点 | 第31页 |
| ·近红外光谱技术在农产品品质分析及育种中的应用 | 第31-32页 |
| 3 材料与方法 | 第32-34页 |
| ·试验材料与样品选择 | 第32页 |
| ·样品近红外光谱采集及预处理 | 第32页 |
| ·训练集和预测集样本划分 | 第32-33页 |
| ·甜叶菊叶片糖甙含量测定 | 第33页 |
| ·近红外光谱回归模型与预测集验证 | 第33-34页 |
| 4 结果与分析 | 第34-53页 |
| ·甜叶菊中二萜糖甙含量的测定 | 第34-37页 |
| ·训练集和预测集选择 | 第34-35页 |
| ·甜叶菊二萜糖甙含量的测定 | 第35-37页 |
| ·目标性状近红外光谱变量选择 | 第37-41页 |
| ·近红外光谱与目标性状相关性分析 | 第37-38页 |
| ·光谱变量选择 | 第38-41页 |
| ·线性与非线性方法建模 | 第41-49页 |
| ·PLS回归方法 | 第41-42页 |
| ·混合的支持向量机回归算法 | 第42-48页 |
| ·不同建模方法比较 | 第48-49页 |
| ·单一二萜糖甙组分建模 | 第49-50页 |
| ·甜叶菊二萜糖甙近红外光谱回归模型的应用研究 | 第50-53页 |
| 5 讨论 | 第53-56页 |
| ·近红外光谱变量优选 | 第53-54页 |
| ·支持向量机回归算法的优化 | 第54-55页 |
| ·近红外光谱预测模型的评价与应用 | 第55页 |
| ·近红外光谱技术展望 | 第55-56页 |
| 参考文献 | 第56-63页 |
| 作者简历 | 第63页 |
