核方法在近红外光谱中的应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-7页 |
| 第一章 绪论 | 第7-10页 |
| ·近红外光谱的发展及应用 | 第7-8页 |
| ·核方法的发展及应用 | 第8-9页 |
| ·本论文主要工作 | 第9-10页 |
| 第二章 核方法的相关理论 | 第10-15页 |
| ·机器学习理论 | 第10-11页 |
| ·核方法的基本理论 | 第11-13页 |
| ·Mercer定理及几种常用的核函数 | 第13-15页 |
| 第三章 近红外光谱中传统的线性学习方法 | 第15-23页 |
| ·近红外光谱的基本理论简述 | 第15页 |
| ·近红外光谱的分析过程 | 第15-17页 |
| ·典型的学习方法——偏最小二乘回归 | 第17-19页 |
| ·基于PLS方法建模 | 第19-23页 |
| 第四章 基于核方法的近红外光谱非线性建模研究 | 第23-32页 |
| ·支持向量机的理论基础 | 第23-24页 |
| ·支持向量机(SVM)的提出 | 第24-27页 |
| ·线性支持向量回归机 | 第27-29页 |
| ·基于核函数的支持向量回归 | 第29-32页 |
| 第五章 SVR相关参数的选择 | 第32-45页 |
| ·ε-不敏感损失函数 | 第32-33页 |
| ·惩罚因子 | 第33页 |
| ·算法选择优劣的评价指标 | 第33-35页 |
| ·核函数的选取 | 第35-36页 |
| ·支持向量机参数及核参数的选择 | 第36-37页 |
| ·基于核方法的SVR建模 | 第37-45页 |
| 结论 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-48页 |
