| 学位论文数据集 | 第3-4页 |
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 引言 | 第15页 |
| 1.2 近红外光谱分析技术 | 第15-17页 |
| 1.2.1 近红外光谱简介 | 第15-16页 |
| 1.2.2 光谱分析及其化学计量学 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-19页 |
| 1.3.1 样本分集方法研究 | 第17-18页 |
| 1.3.2 近红外光谱在纤维领域中的应用 | 第18-19页 |
| 1.4 课题的研究意义和主要研究内容 | 第19-21页 |
| 1.4.1 光谱多元分析校正集和验证集样本分布优选方法研究 | 第19-20页 |
| 1.4.2 基于近红外的竹、棉、麻浆粘胶纤维的模式识别研究 | 第20-21页 |
| 1.5 本文主要内容和结构 | 第21-23页 |
| 第二章 光谱多元分析校正集和验证集样本分布优选方法研究 | 第23-39页 |
| 2.1 引言 | 第23-24页 |
| 2.2 算法介绍 | 第24-28页 |
| 2.3 算法验证与实验 | 第28-31页 |
| 2.3.1 样本 | 第28-29页 |
| 2.3.2 样本集的建立 | 第29-31页 |
| 2.4 模型建立与评价 | 第31页 |
| 2.5 计算结果与讨论 | 第31-36页 |
| 2.5.1 “均值化”现象 | 第31-33页 |
| 2.5.2 Rank-KS方法优化样本数中间多两端少的样本集 | 第33-34页 |
| 2.5.3 Rank-KS方法优化性质范围不均匀分布的样本集 | 第34-36页 |
| 2.5.4 Rank-KS方法优化样本数分布相对均匀的样本集 | 第36页 |
| 2.5.5 Rank-KS算法讨论 | 第36页 |
| 2.6 小结 | 第36-39页 |
| 第三章 基于监督模式识别KL变换的光谱定性分析 | 第39-57页 |
| 3.1 引言 | 第39-40页 |
| 3.2 基于监督模式识别KL变换 | 第40-43页 |
| 3.2.1 KL变换 | 第40页 |
| 3.2.2 包含在类平均向量中判别信息的最优压缩 | 第40-41页 |
| 3.2.3 类中心化特征向量中分类信息的提取 | 第41-42页 |
| 3.2.4 特征合并 | 第42-43页 |
| 3.2.5 未知样本预测 | 第43页 |
| 3.3 SIMCA与LS-SVM | 第43-48页 |
| 3.3.1 SIMCA | 第44-45页 |
| 3.3.2 最小二乘支持向量机(LS-SVM) | 第45-48页 |
| 3.4 样本与算法验证 | 第48-50页 |
| 3.4.1 样本集 | 第48-49页 |
| 3.4.2 预处理 | 第49-50页 |
| 3.4.3 模型评价 | 第50页 |
| 3.5 结果与讨论 | 第50-56页 |
| 3.5.1 LS-SVM建模 | 第50-52页 |
| 3.5.2 SIMCA建模 | 第52-54页 |
| 3.5.3 基于监督模式识别KL变换 | 第54-56页 |
| 3.6 小结 | 第56-57页 |
| 第四章 近红外光谱测量分析系统 | 第57-71页 |
| 4.1 引言 | 第57-58页 |
| 4.2 建模部分 | 第58-65页 |
| 4.2.1 样品集编辑 | 第58-59页 |
| 4.2.2 定量校正 | 第59-64页 |
| 4.2.3 定性校正 | 第64-65页 |
| 4.3 检测部分 | 第65-70页 |
| 4.3.1 系统登录注册 | 第67页 |
| 4.3.2 系统设置 | 第67-69页 |
| 4.3.3 检测 | 第69页 |
| 4.3.4 结果保存与查询 | 第69-70页 |
| 4.4 小结 | 第70-71页 |
| 第五章 结论与展望 | 第71-73页 |
| 5.1 结论 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 研究成果及发表的学术论文 | 第79-81页 |
| 作者简介 | 第81-82页 |
| 附件 | 第82-83页 |
