| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景 | 第10-11页 |
| 1.2 课题研究现状 | 第11-14页 |
| 1.2.1 近红外光谱特点及其应用领域 | 第11-12页 |
| 1.2.2 近红外光谱分析的基本流程 | 第12-13页 |
| 1.2.3 多元校正 | 第13页 |
| 1.2.4 过程分析技术 | 第13-14页 |
| 1.3 研究内容及意义 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 基础知识及相关工作 | 第16-28页 |
| 2.1 极限学习机算法 | 第16-23页 |
| 2.1.1 单隐层前馈神经网络(SLFNs) | 第16-18页 |
| 2.1.2 极限学习机(ELM) | 第18-22页 |
| 2.1.3 ELM研究进展 | 第22-23页 |
| 2.1.4 ELM在光谱分析中遇到的问题 | 第23页 |
| 2.2 堆叠回归 | 第23-27页 |
| 2.2.1 集成学习的基本概念 | 第23-26页 |
| 2.2.2. 堆叠方法 | 第26-27页 |
| 2.2.3. 堆叠偏最小二乘(SPLS) | 第27页 |
| 2.3 本章小节 | 第27-28页 |
| 第3章 基于近红外光谱的堆叠极限学习机定量分析算法 | 第28-34页 |
| 3.1 数据集的表示 | 第28页 |
| 3.2 堆叠极限学习机定量分析模型的建立方法 | 第28-30页 |
| 3.3 算法流程设计 | 第30-32页 |
| 3.3.1. 训练过程 | 第30-31页 |
| 3.3.2. 物质浓度预测方法 | 第31-32页 |
| 3.4 本章小结 | 第32-34页 |
| 第4章 实验验证与分析 | 第34-54页 |
| 4.1 实验数据 | 第34-36页 |
| 4.2 实验方法 | 第36-37页 |
| 4.3 实验结果分析 | 第37-53页 |
| 4.3.1 药片光谱分析 | 第37-41页 |
| 4.3.2 啤酒光谱分析 | 第41-45页 |
| 4.3.3 饼干光谱分析 | 第45-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 基于SELM算法过程分析系统应用 | 第54-64页 |
| 5.1 过程分析原型系统介绍 | 第54-56页 |
| 5.2 基于中药数据的SELM系统的应用 | 第56-62页 |
| 5.2.1 中药NIR光谱数据的获取 | 第56-57页 |
| 5.2.2 中药数据实验结果分析 | 第57-62页 |
| 5.3 本章小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 本文工作总结 | 第64页 |
| 6.2 未来研究展望 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72页 |