典型相关分析算法及其在茶叶产地识别中的应用
| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 符号列表 | 第13-14页 |
| 1 绪论 | 第14-20页 |
| 1.1 引言 | 第14-15页 |
| 1.2 问题的来源 | 第15-16页 |
| 1.3 样本数据集合描述 | 第16-19页 |
| 1.3.1 氨基酸含量 | 第16页 |
| 1.3.2 儿茶素含量 | 第16页 |
| 1.3.3 主要元素含量 | 第16-17页 |
| 1.3.4 同位素含量 | 第17页 |
| 1.3.5 电子舌测量数据 | 第17-18页 |
| 1.3.6 电子鼻测量数据 | 第18页 |
| 1.3.7 近红外原始数据 | 第18页 |
| 1.3.8 小结 | 第18-19页 |
| 1.4 研究内容 | 第19-20页 |
| 2 分类方法简介 | 第20-25页 |
| 2.1 引言 | 第20页 |
| 2.2 支持向量机 | 第20-22页 |
| 2.3 朴素贝叶斯分类 | 第22-23页 |
| 2.4 分类效果 | 第23-24页 |
| 2.5 小结 | 第24-25页 |
| 3 典型相关分析及其扩展方法 | 第25-48页 |
| 3.1 典型相关分析 | 第25-29页 |
| 3.1.1 引言 | 第25页 |
| 3.1.2 研究现状 | 第25-27页 |
| 3.1.3 基本理论 | 第27-28页 |
| 3.1.4 样本典型变量及计算 | 第28-29页 |
| 3.1.5 SVD算法 | 第29页 |
| 3.2 多集合典型相关分析 | 第29-33页 |
| 3.2.1 数学描述 | 第30-31页 |
| 3.2.2 算法求解结果 | 第31-32页 |
| 3.2.3 实验结果及分析 | 第32-33页 |
| 3.3 多集合核典型相关分析 | 第33-38页 |
| 3.3.1 数学描述 | 第34-35页 |
| 3.3.2 算法求解结果 | 第35-36页 |
| 3.3.3 实验结果及分析 | 第36-38页 |
| 3.4 判别典型相关分析 | 第38-45页 |
| 3.4.1 数学描述 | 第39-42页 |
| 3.4.2 算法求解结果 | 第42-43页 |
| 3.4.3 实验结果及分析 | 第43-45页 |
| 3.5 三种扩展典型相关分析算法的比较 | 第45-46页 |
| 3.6 小结 | 第46-48页 |
| 4 稀疏典型相关分析 | 第48-58页 |
| 4.1 引言 | 第48-49页 |
| 4.2 稀疏典型相关分析 | 第49-50页 |
| 4.2.1 稀疏表示 | 第49页 |
| 4.2.2 稀疏典型相关分析的描述 | 第49-50页 |
| 4.3 用交替方向乘子法解稀疏典型相关分析 | 第50-55页 |
| 4.3.1 交替方向乘子法简介 | 第50-52页 |
| 4.3.2 用ADMM算法求解SCCA | 第52-53页 |
| 4.3.3 对近红外原始数据进行降维 | 第53-55页 |
| 4.4 使用降维后近红外数据进行茶叶产地分类 | 第55-57页 |
| 4.5 小结 | 第57-58页 |
| 5 总结与展望 | 第58-60页 |
| 5.1 本文总结 | 第58页 |
| 5.2 未来工作 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 作者简历 | 第65页 |
