| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| Contents | 第8-10页 |
| 第一章 简介 | 第10-16页 |
| 1.1 背景 | 第10-13页 |
| 1.1.1 拉曼光谱技术的特点和应用意义 | 第10-12页 |
| 1.1.2 选题依据和研究目标 | 第12-13页 |
| 1.2 本文的主要内容和结构安排 | 第13-16页 |
| 第二章 拉曼光谱预处理和识别技术的研究现状 | 第16-22页 |
| 2.1 拉曼光谱预处理技术 | 第16-18页 |
| 2.1.1 拉曼光谱预处理的必要性和目的 | 第16页 |
| 2.1.2 拉曼光谱预处理技术的研究方现状及其局限性 | 第16-18页 |
| 2.1.3 拉曼光谱预处理技术面临的挑战 | 第18页 |
| 2.2 光谱识别 | 第18-22页 |
| 2.2.1 光谱识别技术研究的意义及必要性 | 第18-19页 |
| 2.2.2 拉曼光谱识别技术的研究现状及其局限性 | 第19-20页 |
| 2.2.3 研究光谱识别技术面临的挑战 | 第20-22页 |
| 第三章 拉曼光谱预处理算法的设计与评估 | 第22-52页 |
| 3.1 问题及标准 | 第22-23页 |
| 3.2 基于高斯峰假设的算法 | 第23-36页 |
| 3.2.1 理论与算法 | 第23-27页 |
| 3.2.2 实验及结果分析 | 第27-36页 |
| 3.3 局部自适应多项式拟合的算法 | 第36-50页 |
| 3.3.1 算法思想 | 第37-38页 |
| 3.3.2 理论及算法 | 第38-41页 |
| 3.3.3 实验及结果讨论 | 第41-50页 |
| 3.4 本章小结 | 第50-52页 |
| 第四章 拉曼光谱识别算法的设计与评估 | 第52-70页 |
| 4.1 拉曼光谱识别算法的准备 | 第52-53页 |
| 4.2 基于逻辑回归模型的算法 | 第53-57页 |
| 4.2.1 可行性与基本原理 | 第54-55页 |
| 4.2.2 实验结果及分析 | 第55-57页 |
| 4.3 基于超图学习的算法 | 第57-61页 |
| 4.3.1 可行性与基本原理 | 第57-59页 |
| 4.3.2 实验结果及分析 | 第59-61页 |
| 4.4 基于深度学习的算法 | 第61-69页 |
| 4.4.1 深度学习应用到拉曼光谱的识别上的可行性 | 第61-62页 |
| 4.4.2 深度学习的基本原理及优势 | 第62-64页 |
| 4.4.3 实验结果及分析 | 第64-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 结论与展望 | 第70-72页 |
| 5.1 论文总结 | 第70页 |
| 5.2 工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 研究生期间发表论文及参加项目情况 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78页 |