| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-16页 |
| ·引言 | 第12页 |
| ·三维荧光光谱原理 | 第12-13页 |
| ·国内外研究进展 | 第13-15页 |
| ·课题的研究意义和主要研究内容 | 第15-16页 |
| ·课题的研究意义 | 第15页 |
| ·课题主要研究内容 | 第15-16页 |
| 第二章 基于二阶校正的三维荧光光谱分类识别与实验研究 | 第16-32页 |
| ·二阶校正原理 | 第16-17页 |
| ·基于平行因子分析算法的三维荧光光谱分类识别 | 第17-22页 |
| ·平行因子分析算法原理 | 第17页 |
| ·实验验证 | 第17-22页 |
| ·基于交替三线性分解算法的三维荧光光谱分类识别 | 第22-30页 |
| ·交替三线性分解算法原理 | 第22-23页 |
| ·实验研究 | 第23-30页 |
| ·小结 | 第30-32页 |
| 第三章 基于神经网络的三维荧光光谱分类识别方法研究 | 第32-44页 |
| ·BP 神经网络原理与仿真实验研究 | 第32-35页 |
| ·BP 神经网络原理 | 第32-34页 |
| ·BP 神经网络仿真实验 | 第34-35页 |
| ·可拓神经网络算法原理 | 第35-38页 |
| ·可拓神经网络概述 | 第35-37页 |
| ·可拓神经网络分类识别原理 | 第37-38页 |
| ·PCA-ENN 算法的实现 | 第38-42页 |
| ·主成分分析原理 | 第38-39页 |
| ·可拓神经网络结构设计 | 第39-40页 |
| ·PCA-ENN 算法步骤 | 第40-42页 |
| ·小结 | 第42-44页 |
| 第四章 基于 PCA-ENN 算法的三维荧光光谱分类识别实验研究 | 第44-54页 |
| ·基于 PCA-ENN 算法的的矿物油三维荧光光谱分类识别实验研究 | 第44-49页 |
| ·样品数据获取与预处理 | 第44-47页 |
| ·样品三维荧光光谱分类识别 | 第47-49页 |
| ·基于 PCA-ENN 算法的食用油三维荧光光谱分类识别实验研究 | 第49-53页 |
| ·样品数据获取与预处理 | 第49-51页 |
| ·样品三维荧光光谱分类识别 | 第51-53页 |
| ·小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| ·总结 | 第54-55页 |
| ·展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-60页 |
| 研究成果及发表的学术论文 | 第60-62页 |
| 作者介绍 | 第62-63页 |
| 附件 | 第63-64页 |
