基于样本投影空间算法的光谱识别
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 光谱分析与光谱 | 第10-18页 |
| 1 光谱分析的背景 | 第10-11页 |
| 2 拉曼、红外、激光诱导击穿光谱的原理和优点 | 第11-16页 |
| 2.1 拉曼光谱的原理和优点 | 第11-13页 |
| 2.2 红外光谱的原理和优点 | 第13-14页 |
| 2.3 激光诱导击穿技术的原理和优点 | 第14-16页 |
| 3 本章小结 | 第16-18页 |
| 第二章 样本投影空间算法的基本原理 | 第18-28页 |
| 1 偏最小二乘判别分析原理及计算 | 第18-21页 |
| 1.1 偏最小二乘的基本原理 | 第18-19页 |
| 1.2 偏最小二乘的计算方法 | 第19-21页 |
| 2 软独立建模分类原理及计算 | 第21-22页 |
| 2.1 软独立建模分类的基本原理 | 第21页 |
| 2.2 软独立建模分类的分析计算 | 第21-22页 |
| 3 随机森林 | 第22-23页 |
| 3.1 随机森林的基本原理 | 第22页 |
| 3.2 随机森林的计算 | 第22-23页 |
| 4 基于样本投影空间算法的原理及计算 | 第23-26页 |
| 4.1 基于样本空间投影算法计算 | 第23-25页 |
| 4.2 基于样本投影空间算法的原理 | 第25-26页 |
| 5 四种算法的优缺点 | 第26页 |
| 6 本章小结 | 第26-28页 |
| 第三章 四种算法在三种光谱数据中的分类讨论研究 | 第28-42页 |
| 1 实验样品和试剂 | 第28页 |
| 2 数据集 | 第28-29页 |
| 3 实验所需软件 | 第29页 |
| 4 参数设置与优化选择 | 第29-33页 |
| 5 三种实际光谱的结果分析 | 第33-39页 |
| 5.1 中红外数据的光谱识别分析 | 第33-34页 |
| 5.2 LIBS光谱数据识别分析 | 第34-36页 |
| 5.3 异常样本下的拉曼数据识别分析 | 第36-39页 |
| 6 算法参数的讨论 | 第39-40页 |
| 7 本章小结 | 第40-42页 |
| 第四章 LIBS数据的分类改进 | 第42-50页 |
| 1 Kennard-stone算法 | 第42-44页 |
| 2 SOM聚类算法 | 第44-48页 |
| 3 结果讨论 | 第48-50页 |
| 结论与展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 攻读硕士学位期间发表的论文 | 第58页 |
