基于遗传算法—偏最小二乘法的红外光谱特征提取解析烯烃共轭类型
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 1. 前言 | 第8-14页 |
| ·红外光谱基础知识 | 第8-12页 |
| ·红外光谱简介 | 第8-10页 |
| ·红外谱图的分区 | 第10页 |
| ·红外光谱的应用 | 第10-12页 |
| ·定性分析 | 第10-11页 |
| ·定量分析 | 第11-12页 |
| ·计算机辅助红外光谱解析 | 第12-14页 |
| 2. 方法原理 | 第14-33页 |
| ·支持向量机 | 第14-19页 |
| ·统计学习理论简介 | 第15-16页 |
| ·支持向量机 | 第16-19页 |
| ·线性可分 | 第17-18页 |
| ·线性不可分 | 第18-19页 |
| ·非线性问题 | 第19页 |
| ·人工神经网络 | 第19-26页 |
| ·误差反向传播神经网络 | 第21-24页 |
| ·BP 算法的基本原理 | 第22-24页 |
| ·BP 学习算法的优化 | 第24页 |
| ·径向基函数网络 | 第24-26页 |
| ·遗传算法 | 第26-31页 |
| ·自然进化与遗传算法 | 第26-28页 |
| ·遗传算法的基本过程 | 第28-30页 |
| ·遗传算法的应用 | 第30-31页 |
| ·偏最小二乘法 | 第31-32页 |
| ·遗传算法-偏最小二乘工具箱 | 第32-33页 |
| 3. 实验部分 | 第33-47页 |
| ·数据处理以及软硬件设备 | 第33页 |
| ·数据处理 | 第33页 |
| ·软硬件设备 | 第33页 |
| ·方法概述 | 第33-36页 |
| ·性能评估参数 | 第35页 |
| ·遗传算法的设置 | 第35-36页 |
| ·SVM 分类器 | 第36-37页 |
| ·ANN 分类器 | 第37页 |
| ·结果与讨论 | 第37-47页 |
| ·全谱与特征选择点的结果比较 | 第37-41页 |
| ·片段光谱比较 | 第41-47页 |
| 4. 结论与展望 | 第47-48页 |
| 5. 参考文献 | 第48-56页 |
| 6. 硕士期间发表论文情况 | 第56-57页 |
| 7. 致谢 | 第57-58页 |
