| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·矿物油污染的危害 | 第10页 |
| ·油种鉴别方法概述 | 第10-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文主要研究内容 | 第14-15页 |
| 第2章 矿物油三维荧光谱理论基础 | 第15-24页 |
| ·有机物荧光产生机理 | 第15-19页 |
| ·荧光产生机理 | 第15-17页 |
| ·激发光谱和发射光谱 | 第17-18页 |
| ·三维荧光谱 | 第18-19页 |
| ·矿物油主要成分及荧光鉴别原理 | 第19-21页 |
| ·影响光谱特征的主要因素 | 第21-23页 |
| ·浓度的影响 | 第21-22页 |
| ·溶剂的影响 | 第22页 |
| ·温度的影响 | 第22-23页 |
| ·溶液 PH 值的影响 | 第23页 |
| ·本章小结 | 第23-24页 |
| 第3章 矿物油三维荧光谱数据获取 | 第24-34页 |
| ·实验仪器和设备 | 第24-25页 |
| ·样品制备 | 第25页 |
| ·实验测定条件 | 第25页 |
| ·光谱数据预处理 | 第25-26页 |
| ·实验结果初步分析 | 第26-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于 PCA 和 WT 的矿物油种类鉴别 | 第34-61页 |
| ·基于PCA 的矿物油三维荧光谱特征提取 | 第35-40页 |
| ·主成分分析原理 | 第35-36页 |
| ·基于PCA 的矿物油的三维荧光谱重构和特征提取 | 第36-40页 |
| ·基于 WT 和 PCA 的矿物油三维荧光谱特征提取 | 第40-50页 |
| ·WT 原理 | 第40-43页 |
| ·小波基选取 | 第43-46页 |
| ·WT 和 PCA 相结合提取矿物油三维荧光谱特征 | 第46-48页 |
| ·WT-PCA 特征值的优化 | 第48-50页 |
| ·BP 神经网络概述 | 第50-56页 |
| ·BP 神经网络结构 | 第51页 |
| ·BP 神经网络学习算法 | 第51-54页 |
| ·BP 神经网络参数设计 | 第54-55页 |
| ·BP 神经网络的改进 | 第55-56页 |
| ·基于BP神经网络的矿物油种类鉴别 | 第56-60页 |
| ·本文使用的 BP 神经网络设计 | 第56-58页 |
| ·网络鉴别结果比较 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 基于指纹图 SIFT 特征的矿物油种类鉴别 | 第61-69页 |
| ·SIFT 原理 | 第61-62页 |
| ·矿物油指纹图 SIFT 特征提取 | 第62-68页 |
| ·矿物油指纹图处理 | 第62-64页 |
| ·矿物油指纹图 SIFT 特征提取 | 第64-66页 |
| ·基于指纹图 SIFT 特征的矿物油种类鉴别 | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |
