基于智能算法的近红外光谱分析与建模
| 独创性声明 | 第1页 |
| 学位论文版权使用授权书 | 第3-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·近红外光谱分析技术 | 第8-10页 |
| ·近红外光谱分析技术的原理 | 第8-9页 |
| ·近红外光谱分析技术的特点 | 第9页 |
| ·近红外光谱分析技术的应用领域 | 第9页 |
| ·近红外光谱分析技术尚存在的问题 | 第9-10页 |
| ·本文研究的目的和意义 | 第10-11页 |
| ·本文主要工作 | 第11-12页 |
| 第二章 预备知识 | 第12-31页 |
| ·粗糙集基本理论介绍 | 第12-19页 |
| ·基本概念 | 第12-13页 |
| ·知识约简 | 第13-19页 |
| ·遗传算法介绍 | 第19-28页 |
| ·遗传算法的提出与发展 | 第19-20页 |
| ·遗传算法的特点 | 第20-21页 |
| ·遗传算法的实施 | 第21-27页 |
| ·遗传算法的优点 | 第27页 |
| ·遗传算法的缺陷 | 第27-28页 |
| ·T-S模糊模型介绍 | 第28-31页 |
| ·T-S模型结构 | 第28页 |
| ·T-S模型的辨识 | 第28-30页 |
| ·T-S模型的缺陷 | 第30-31页 |
| 第三章 光谱数据的预处理 | 第31-47页 |
| ·经典光谱预处理方法 | 第31-32页 |
| ·基于小波变换的数据滤噪与压缩 | 第32-35页 |
| ·基于粗糙集理论的进一步数据预处理 | 第35-47页 |
| ·决策表的建立 | 第35-36页 |
| ·约简方法的分析及选取 | 第36-47页 |
| 第四章 基于BP神经网络的光谱分析模型 | 第47-56页 |
| ·传统光谱分析模型 | 第47-50页 |
| ·多元线性回归 | 第47-48页 |
| ·主成分回归(PCR) | 第48-49页 |
| ·偏最小二乘法(PLS) | 第49-50页 |
| ·BP神经网络模型的建立及分析 | 第50-56页 |
| ·BP网络结构的确定 | 第51-52页 |
| ·BP网络学习算法的确定 | 第52-54页 |
| ·实验结果 | 第54-55页 |
| ·BP网络的主要缺陷 | 第55-56页 |
| 第五章 基于协同进化的遗传模糊系统 | 第56-68页 |
| ·模型介绍及一些基本原则 | 第56-60页 |
| ·T-S模型各部分的参数选择 | 第57-58页 |
| ·协同进化算法 | 第58-60页 |
| ·算法操作 | 第60-61页 |
| ·模型描述及实现 | 第61-68页 |
| ·模型结构 | 第61-64页 |
| ·适值估计 | 第64-65页 |
| ·程序实现及实验结果 | 第65-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
