| 摘要 | 第4-6页 |
| 英文摘要 | 第6-7页 |
| 第一章 引言 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 溢油现场探测研究现状 | 第12-14页 |
| 1.2.2 实验室油种鉴别方法概况 | 第14-16页 |
| 1.2.3 荧光寿命与时间分辨光谱 | 第16页 |
| 1.3 本论文的主要工作与安排 | 第16-18页 |
| 第二章 荧光光谱技术及其在模式识别中的应用 | 第18-28页 |
| 2.1 分子荧光的基本原理 | 第18-19页 |
| 2.2 常见的荧光光谱类型 | 第19-20页 |
| 2.2.1 激发光谱和发射光谱 | 第19页 |
| 2.2.2 三维荧光光谱 | 第19-20页 |
| 2.2.3 时间分辨荧光光谱 | 第20页 |
| 2.3 荧光光谱数据的模式识别方法 | 第20-27页 |
| 2.3.1 主成分分析 | 第20-22页 |
| 2.3.2 BP神经网络 | 第22-25页 |
| 2.3.3 支持向量机 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于激光诱导发射光谱的油种识别研究 | 第28-40页 |
| 3.1 激光诱导发射光谱的采集 | 第28-32页 |
| 3.1.1 实验装置与实验样品 | 第28-30页 |
| 3.1.2 实验参数设置与光谱采集 | 第30-31页 |
| 3.1.3 光谱数据的预处理 | 第31-32页 |
| 3.2 基于PLS-DA模型的油种识别 | 第32-35页 |
| 3.2.1 模型训练集和检测集的选择 | 第32页 |
| 3.2.2 最佳因子个数的确定 | 第32-33页 |
| 3.2.3 PLS-DA模型的识别结果 | 第33-35页 |
| 3.3 基于PCA结合BP-ANN模型的油种识别 | 第35-37页 |
| 3.3.1 光谱主成分分析 | 第35页 |
| 3.3.2 BP-ANN模型的识别结果 | 第35-37页 |
| 3.4 基于SVM模型的油种识别 | 第37-39页 |
| 3.5 总结与讨论 | 第39-40页 |
| 第四章 时间分辨荧光光谱的采集 | 第40-49页 |
| 4.1 采用Nd：YAG激光器激发的实验装置 | 第40-45页 |
| 4.1.1 激发光源 | 第40-42页 |
| 4.1.2 分光装置 | 第42页 |
| 4.1.3 光电探测器 | 第42-43页 |
| 4.1.4 实验与光谱采集 | 第43-45页 |
| 4.2 采用氮分子激光器激发的实验装置 | 第45-47页 |
| 4.2.1 激发光源 | 第45-47页 |
| 4.2.2 分光装置 | 第47页 |
| 4.2.3 光电探测器 | 第47页 |
| 4.2.4 实验与光谱采集 | 第47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 时间分辨荧光光谱的特征选择 | 第49-54页 |
| 5.1 光谱数据预处理 | 第49页 |
| 5.2 不同延时下的发射光谱(时间特征段选取) | 第49-52页 |
| 5.3 不同波长下的荧光强度变化(波长特征段筛选) | 第52-53页 |
| 5.4 总结与讨论 | 第53-54页 |
| 第六章 基于时间分辨光谱的特征提取与油种识别 | 第54-65页 |
| 6.1 主成分分析特征提取 | 第54-56页 |
| 6.2 基于统计参量的时间分辨光谱特征提取 | 第56-60页 |
| 6.2.1 时间分辨光谱的统计参量 | 第57-58页 |
| 6.2.2 不同油样的统计参量特征提取 | 第58-60页 |
| 6.3 基于SVM模型的油种识别 | 第60-63页 |
| 6.3.1 基于全谱数据的油种识别 | 第60-62页 |
| 6.3.2 基于PCA特征的油种识别 | 第62-63页 |
| 6.3.3 基于统计特征的油种识别 | 第63页 |
| 6.4 总结与讨论 | 第63-65页 |
| 第七章 总结与展望 | 第65-67页 |
| 7.1 论文工作总结 | 第65-66页 |
| 7.2 下一步工作展望 | 第66-67页 |
| 参考文献 | 第67-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士期间发表的论文 | 第73页 |