结合单类识别和红外光谱检测技术对泥蚶重金属污染信息的快速检测
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 重金属污染研究的历史、意义 | 第9-10页 |
| 1.2 光谱分析的历史、意义 | 第10-11页 |
| 1.3 单类分类研究的历史、意义 | 第11-13页 |
| 1.4 实验设计 | 第13-16页 |
| 1.4.1 实验样品和试剂 | 第13-14页 |
| 1.4.2 实验方案设计 | 第14-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 预处理分析 | 第17-25页 |
| 2.1 S-G滤波 | 第17-22页 |
| 2.1.1 S-G滤波的意义 | 第17页 |
| 2.1.2 S-G滤波原理 | 第17-18页 |
| 2.1.3 S-G滤波结果与分析讨论 | 第18-22页 |
| 2.2 样本一致性检测 | 第22-23页 |
| 2.2.1 样本一致性检测的意义 | 第22页 |
| 2.2.2 样本一致性原理 | 第22-23页 |
| 2.2.3 样本一致性检测的结果显示 | 第23页 |
| 2.3 本章小结 | 第23-25页 |
| 第三章 三种分类方法的对比研究 | 第25-59页 |
| 3.1 单类偏最小二乘分类 | 第25-37页 |
| 3.1.1 单类偏最小二乘分类法研究现状 | 第25页 |
| 3.1.2 单类偏最小二乘分类原理 | 第25-27页 |
| 3.1.3 单类偏最小二乘分类效果分析 | 第27-37页 |
| 3.2 单类高斯过程 | 第37-49页 |
| 3.2.1 单类高斯过程研究现状 | 第37-38页 |
| 3.2.2 单类高斯过程原理 | 第38-40页 |
| 3.2.3 单类高斯过程效果分析 | 第40-49页 |
| 3.3 支持向量数据描述算法 | 第49-57页 |
| 3.3.1 支持向量数据描述算法研究现状 | 第49-50页 |
| 3.3.2 支持向量数据描述算法原理 | 第50-51页 |
| 3.3.3 支持向量数据描述算法结果分析与讨论 | 第51-57页 |
| 3.4 本章小结 | 第57-59页 |
| 第四章 总结与展望 | 第59-61页 |
| 总结 | 第59页 |
| 展望 | 第59-61页 |
| 参考文献 | 第61-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
