| 致谢 | 第1-6页 |
| 摘要 | 第6-8页 |
| Abstract | 第8-10页 |
| 目录 | 第10-12页 |
| 表目录 | 第12-13页 |
| 图目录 | 第13-15页 |
| 第1章 绪论 | 第15-31页 |
| ·废杂铜的利用 | 第15-17页 |
| ·再生铜品质检测方法现状 | 第17-21页 |
| ·化学分析法 | 第18-20页 |
| ·合金分析仪检测法 | 第20-21页 |
| ·光谱成像技术的发展 | 第21-27页 |
| ·光谱成像技术的发展 | 第21-24页 |
| ·光谱成像技术的应用 | 第24-27页 |
| ·课题背景及其研究意义 | 第27-28页 |
| ·本文主要内容 | 第28-31页 |
| 第2章 基于高光谱铜品质检测系统的设计与实现 | 第31-51页 |
| ·引言 | 第31页 |
| ·检测系统硬件平台 | 第31-40页 |
| ·成像光谱仪的基本原理 | 第31-35页 |
| ·检测系统硬件平台选型设计 | 第35-40页 |
| ·检测系统软件平台 | 第40-49页 |
| ·软件功能介绍 | 第40-44页 |
| ·软件功能测试 | 第44-49页 |
| ·本章小结 | 第49-51页 |
| 第3章 基于高光谱特征铜成分的LSSVR回归建模 | 第51-65页 |
| ·引言 | 第51页 |
| ·LSSVR的数学模型 | 第51-55页 |
| ·机器回归学习问题 | 第51-52页 |
| ·LSSVR的数学描述 | 第52-55页 |
| ·基于高光谱特征铜成分LSSVR回归建模的方法 | 第55-60页 |
| ·再生铜样本的高光谱特征提取 | 第55-56页 |
| ·样本数据的预处理 | 第56-57页 |
| ·核函数对LSSVR回归建模的影响 | 第57-59页 |
| ·LSSVR回归建模参数优化 | 第59页 |
| ·基于高光谱特征铜成分LSSVR回归建模的步骤 | 第59-60页 |
| ·实验结果及分析 | 第60-64页 |
| ·实验设计 | 第60-63页 |
| ·实验结果及分析 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于高光谱特征铜成分的PSO-nsNMF-LSSVR回归建模 | 第65-81页 |
| ·引言 | 第65页 |
| ·非负矩阵分解算法 | 第65-70页 |
| ·非负矩阵分解算法原理 | 第66页 |
| ·非负矩阵分解理论 | 第66-68页 |
| ·非平滑约束的非负矩阵分解 | 第68-70页 |
| ·粒子群优化算法 | 第70-72页 |
| ·算法原理 | 第70-72页 |
| ·算法流程 | 第72页 |
| ·PSO-nsNMF算法 | 第72-74页 |
| ·算法原理 | 第72-73页 |
| ·算法流程 | 第73-74页 |
| ·基于高光谱特征铜成分的PSO-nsNMF-LSSVR回归建模 | 第74-76页 |
| ·建模原理 | 第74-75页 |
| ·建模流程 | 第75-76页 |
| ·实验结果及分析 | 第76-79页 |
| ·实验设计 | 第76-77页 |
| ·实验结果及分析 | 第77-79页 |
| ·本章小结 | 第79-81页 |
| 第5章 总结与展望 | 第81-83页 |
| ·工作总结 | 第81-82页 |
| ·研究展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 作者简历以及硕士期间科研成果 | 第89页 |