| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·引言 | 第8页 |
| ·近红外光谱技术及其在木材性质预测领域的研究现状 | 第8-12页 |
| ·近红外光谱简介 | 第8-9页 |
| ·近红外光谱技术应用于木材性质预测的研究现状 | 第9-12页 |
| ·研究的主要内容与创新点 | 第12-13页 |
| ·研究的主要内容 | 第12页 |
| ·论文的创新点 | 第12-13页 |
| ·研究的目的与意义 | 第13-14页 |
| 2 支持向量回归在近红外预测木材微纤丝角中的应用研究 | 第14-22页 |
| ·引言 | 第14-15页 |
| ·木材近红外光谱数据的支持向量回归过程 | 第15-18页 |
| ·木材近红外光谱数据的支持向量回归实现 | 第18-21页 |
| ·SVR实现环境 | 第18-20页 |
| ·SVR实现流程 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于近红外光谱技术及支持向量回归的兴安落叶松木材微纤丝角的预测 | 第22-30页 |
| ·引言 | 第22页 |
| ·实验部分 | 第22-25页 |
| ·实验材料 | 第22-23页 |
| ·样品的制备 | 第23页 |
| ·样品近红外光谱的采集 | 第23-24页 |
| ·样品微纤丝角的测量 | 第24-25页 |
| ·基于NIR和SVR的兴安落叶松木材微纤丝角预测模型的建立 | 第25-26页 |
| ·结果与讨论 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 4 不同参数优化方法对兴安落叶松木材微纤丝角预测模型精度的影响 | 第30-44页 |
| ·引言 | 第30页 |
| ·基于遗传算法的兴安落叶松木材微纤丝角的预测 | 第30-36页 |
| ·遗传算法的基本原理 | 第30-31页 |
| ·遗传算法的设计步骤 | 第31-32页 |
| ·遗传算法的Matlab实现程序 | 第32-34页 |
| ·基于遗传算法的兴安落叶松木材微纤丝角的预测结果 | 第34-36页 |
| ·基于粒子群优化算法的兴安落叶松木材微纤丝角的预测 | 第36-41页 |
| ·粒子群优化算法的基本原理 | 第36页 |
| ·粒子群优化算法的设计步骤 | 第36-37页 |
| ·粒子群优化算法的Matlab实现程序 | 第37-39页 |
| ·基于粒子群优化算法的兴安落叶松木材微纤丝角的预测结果 | 第39-41页 |
| ·结果与讨论 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 攻读学位期间发表的学术论文 | 第50-51页 |
| 致谢 | 第51-52页 |
