基于多层SVM的面筋强度分类模型优化研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 基于近红外光谱的作物品质分析研究 | 第10-11页 |
| 1.3 小麦品质分析国内外研究现状 | 第11-13页 |
| 1.4 论文主要研究内容 | 第13-14页 |
| 1.5 论文结构 | 第14-15页 |
| 第2章 近红外光谱定性分析 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 近红外光谱分析理论基础 | 第15-18页 |
| 2.2.1 近红外光谱分析技术 | 第15-16页 |
| 2.2.2 近红外光谱分析基本原理 | 第16-17页 |
| 2.2.3 近红外光谱分析技术的特点 | 第17-18页 |
| 2.3 近红外光谱定性分析流程 | 第18-24页 |
| 2.3.1 试验样品的采集 | 第18页 |
| 2.3.2 样品数据的获取 | 第18-19页 |
| 2.3.3 样品集合划分 | 第19-20页 |
| 2.3.4 光谱数据的预处理 | 第20-21页 |
| 2.3.5 定性模型的建立 | 第21-23页 |
| 2.3.6 模型的性能验证与评价 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 数据获取与分类可行性分析 | 第25-36页 |
| 3.1 引言 | 第25页 |
| 3.2 试验样品 | 第25页 |
| 3.3 近红外光谱数据获取 | 第25-31页 |
| 3.3.1 仪器设备 | 第25-26页 |
| 3.3.2 样品处理 | 第26页 |
| 3.3.3 近红外扫描 | 第26页 |
| 3.3.4 近红外光谱数据 | 第26-31页 |
| 3.4 物化分析数据获取 | 第31-32页 |
| 3.4.1 物化指标测定 | 第31-32页 |
| 3.4.2 物化分析结果 | 第32页 |
| 3.5 可行性分析 | 第32-35页 |
| 3.6 本章小结 | 第35-36页 |
| 第4章 光谱数据预处理方法的研究 | 第36-49页 |
| 4.1 引言 | 第36页 |
| 4.2 光谱数据的修正方法研究 | 第36-42页 |
| 4.2.1 三种常用光谱数据修正方法 | 第36-40页 |
| 4.2.2 不同修正方法比较分析 | 第40-42页 |
| 4.3 数据压缩降维方法的研究 | 第42-48页 |
| 4.3.1 PCA压缩数据降维 | 第42-44页 |
| 4.3.2 PLS压缩数据降维 | 第44-45页 |
| 4.3.3 SPA压缩数据降维 | 第45-47页 |
| 4.3.4 不同压缩降维方法比较分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第5章 SVM的多层分类建模研究 | 第49-56页 |
| 5.1 引言 | 第49页 |
| 5.2 SVM分类原理 | 第49-50页 |
| 5.3 SVM的小麦面筋强度分类建模 | 第50-52页 |
| 5.3.1 建模样品集 | 第50-51页 |
| 5.3.2 光谱数据预处理 | 第51页 |
| 5.3.3 SVM分类模型的建立 | 第51-52页 |
| 5.3.4 模型验证与评价 | 第52页 |
| 5.4 基于多层SVM的小麦品质分类建模 | 第52-54页 |
| 5.4.1 多层SVM分类模型结构 | 第52-53页 |
| 5.4.2 模型验证与评价 | 第53-54页 |
| 5.5 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的论文 | 第65-66页 |
