| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-25页 |
| 1 选题背景及意义 | 第11-13页 |
| 2 近红外光谱原理及特点 | 第13-15页 |
| 3 聚类算法 | 第15-18页 |
| 3.1 聚类概述 | 第15-17页 |
| 3.2 SOM神经网络聚类算法 | 第17-18页 |
| 4 基于SOM变量聚类的多变量建模方法 | 第18-25页 |
| 4.1 线性算法 | 第18-21页 |
| 4.2 非线性算法 | 第21-22页 |
| 4.3 多模型共识建模理论 | 第22-25页 |
| 第二章 共识模型在近红外光谱数据中的应用 | 第25-41页 |
| 1 引言 | 第25-26页 |
| 2 理论与算法 | 第26-30页 |
| 2.1 SOM聚类算法的实现 | 第26-27页 |
| 2.2 共识模型建模方法 | 第27-28页 |
| 2.3 C-SOM-PLS和C-SOM-LS-SVM算法 | 第28-30页 |
| 3 实验 | 第30页 |
| 3.1 实验数据 | 第30页 |
| 3.2 软件 | 第30页 |
| 4 结果与讨论 | 第30-39页 |
| 4.1 SOM变量聚类结果 | 第30-31页 |
| 4.2 C-SOM-PLS模型分析 | 第31-33页 |
| 4.3 C-SOM-LS-SVM模型分析 | 第33-34页 |
| 4.4 C-SOM-PLS与C-SOM-LS-SVM模型比较分析 | 第34-39页 |
| 5 本章小结 | 第39-41页 |
| 第三章 模型集群在SOM变量选择共识模型中的分析 | 第41-53页 |
| 1 引言 | 第41-44页 |
| 2 理论与算法 | 第44-46页 |
| 2.1 过拟合 | 第44-45页 |
| 2.2 PLS模型评价参数 | 第45页 |
| 2.3 C-SOM-MPA-PLS模型 | 第45-46页 |
| 3 结果与讨论 | 第46-52页 |
| 3.1 PLS潜在变量数的选取 | 第46-48页 |
| 3.2 C-SOM-MPA-PLS与C-SOM-PLS模型比较分析 | 第48-49页 |
| 3.3 C-SOM-MPA-PLS和SOM-MPA-PLS模型分析 | 第49-52页 |
| 4 本章小结 | 第52-53页 |
| 第四章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士期间取得的研究成果 | 第63页 |
