| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题的研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·纸浆材的综合评价的研究进展 | 第10-11页 |
| ·纸浆材的预测技术的研究进展 | 第11页 |
| ·纸浆材性能评价的光谱分析的研究进展 | 第11-12页 |
| ·本课题的研究对象、任务和内容 | 第12-14页 |
| 第二章 综合评价理论及纸浆材指标的复杂性 | 第14-23页 |
| ·综合评价的概念与意义 | 第14-15页 |
| ·综合评价方法分类 | 第15-17页 |
| ·综合评价的步骤 | 第17-20页 |
| ·评价指标的选择 | 第17-18页 |
| ·指标数据的预处理 | 第18-19页 |
| ·权重的分类与确定 | 第19-20页 |
| ·纸浆材指标的复杂性 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 PSO-PP 模型在杨树造纸适宜性综合评价中的应用 | 第23-30页 |
| ·投影寻踪技术 | 第23页 |
| ·粒子群算法基本原理 | 第23-24页 |
| ·粒子群优化投影寻踪综合评价模型原理简介 | 第24-25页 |
| ·应用实例与分析 | 第25-29页 |
| ·结论 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第四章 基于 PLSR 模型的制浆得率影响因素相关性分析 | 第30-38页 |
| ·偏最小二乘法概述 | 第30-33页 |
| ·实例分析 | 第33-36页 |
| ·针叶材化学组成与制浆得率相关分析 | 第33-34页 |
| ·杨树生物制浆中性能指标与制浆得率相关分析 | 第34-36页 |
| ·结论 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 基于 Fisher 算法和 BP-ANN 的造纸原料近红外判别 | 第38-52页 |
| ·近红外光谱分析的基本原理 | 第38-39页 |
| ·材料准备 | 第39页 |
| ·仪器设备 | 第39页 |
| ·样品来源及光谱的获取 | 第39页 |
| ·数据预处理方法 | 第39-41页 |
| ·分析信号的平滑方法 | 第40页 |
| ·分析信号的求导方法 | 第40-41页 |
| ·主成分分析原理简介 | 第41-42页 |
| ·聚类分析原理简介 | 第42页 |
| ·Fisher 判别分析原理 | 第42-43页 |
| ·BP 神经网络原理 | 第43-46页 |
| ·BP 神经网络算法 | 第43-46页 |
| ·BP 神经网络参数优化 | 第46页 |
| ·实验结果与分析 | 第46-51页 |
| ·预处理效果比较 | 第46-47页 |
| ·造纸原料的聚类分析 | 第47-48页 |
| ·基于 Fisher 原理的造纸原料判别模型 | 第48-49页 |
| ·基于 BP 神经网络造纸原料判别模型 | 第49-51页 |
| ·结论 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| ·论文总结 | 第52-53页 |
| ·展望 | 第53-54页 |
| 攻读学位期间发表的学术论文 | 第54-55页 |
| 参考文献 | 第55-57页 |
