| 摘要 | 第1-5页 |
| Abstract | 第5-14页 |
| 第一章 绪论 | 第14-20页 |
| ·概述 | 第14页 |
| ·近红外光谱检测技术 | 第14-16页 |
| ·近红外光谱检测技术的发展历程 | 第15页 |
| ·近红外光谱检测技术的特点 | 第15-16页 |
| ·基于近红外光谱的苹果内部品质无损检测的可行性 | 第16页 |
| ·基于近红外光谱的水果内部品质研究现状 | 第16-18页 |
| ·国外研究现状 | 第16-17页 |
| ·国内研究现状 | 第17页 |
| ·研究中存在的问题 | 第17-18页 |
| ·应用模式识别方法分析苹果的内部品质 | 第18-19页 |
| ·论文的主要研究内容 | 第19-20页 |
| 第二章 苹果近红外漫反射光谱和内部品质的检测 | 第20-29页 |
| ·引言 | 第20页 |
| ·近红外光谱检测的基本原理 | 第20-23页 |
| ·近红外光谱的检测基础 | 第20-21页 |
| ·近红外光谱数学模型建立的理论依据 | 第21-22页 |
| ·近红外光谱的检测方式 | 第22-23页 |
| ·近红外光谱仪系统的基本构成 | 第23页 |
| ·苹果近红外漫反射光谱的检测实验 | 第23-26页 |
| ·样品来源及准备 | 第23页 |
| ·实验设计及参数设置 | 第23-24页 |
| ·各种光谱响应特性的影响因素 | 第24-26页 |
| ·苹果近红外漫反射光谱的检测结果和分析 | 第26页 |
| ·苹果内部品质的测量 | 第26-28页 |
| ·样品的预处理 | 第26页 |
| ·酸度的测量 | 第26-27页 |
| ·糖度的测量 | 第27页 |
| ·内部品质的测量结果和分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 苹果近红外光谱信息的提取及分析 | 第29-41页 |
| ·引言 | 第29页 |
| ·光谱的预处理 | 第29-31页 |
| ·光谱的平滑处理 | 第29-30页 |
| ·光谱求导 | 第30页 |
| ·光谱的多元散射校正 | 第30-31页 |
| ·特征提取和选择 | 第31-34页 |
| ·PCA 特征提取和选择 | 第31-33页 |
| ·KPCA 特征提取和选择 | 第33-34页 |
| ·异常样本的检测 | 第34-36页 |
| ·马氏距离判别法 | 第35页 |
| ·T 检验判别法 | 第35-36页 |
| ·仿真实验与分析 | 第36-40页 |
| ·预处理实验结果与分析 | 第36页 |
| ·PCA 和KPCA 的特征提取及选择 | 第36-39页 |
| ·异常样本检测试验结果与分析 | 第39-40页 |
| ·小结 | 第40-41页 |
| 第四章 苹果近红外光谱数学模型的研究 | 第41-51页 |
| ·引言 | 第41页 |
| ·线性模型 | 第41-43页 |
| ·多元线性回归 | 第41-42页 |
| ·主成分回归 | 第42-43页 |
| ·偏最小二乘回归 | 第43页 |
| ·非线性模型 | 第43-45页 |
| ·BP-ANN 的学习 | 第44页 |
| ·苹果近红外光谱的BP-ANN 模型设计 | 第44-45页 |
| ·苹果近红外光谱的数学模型的建立 | 第45-50页 |
| ·数学模型的评价标准 | 第45-46页 |
| ·线性数学模型 | 第46-48页 |
| ·BP-ANN 非线性数学模型 | 第48-50页 |
| ·线性和非线性模型的对比与分析 | 第50页 |
| ·小结 | 第50-51页 |
| 第五章 基于LS-SVR 的苹果近红外光谱数学模型的研究 | 第51-65页 |
| ·引言 | 第51页 |
| ·统计学习理论 | 第51-53页 |
| ·支持向量回归机 | 第53-56页 |
| ·支持向量回归机问题的描述 | 第53页 |
| ·支持向量回归机算法 | 第53-56页 |
| ·最小二乘支持向量回归机的数学模型 | 第56-60页 |
| ·最小二乘支持向量回归机算法 | 第56-57页 |
| ·核函数的选择 | 第57-58页 |
| ·基于两层网格搜索的交叉验证参数优化法 | 第58-59页 |
| ·基于稀疏性和鲁棒性的优化训练 | 第59-60页 |
| ·基于LS-SVR 的苹果近红外光谱数学模型 | 第60-64页 |
| ·不同核的对比实验 | 第60-61页 |
| ·基于两层网格搜索的交叉验证法优化参数 | 第61-62页 |
| ·基于稀疏性和鲁棒性的优化训练的结果与分析 | 第62-63页 |
| ·经过优化的LS-SVR 模型对苹果内部品质的预测结果 | 第63页 |
| ·LS-SVR 模型与SVR 及BP-ANN 模型性能的对比与分析 | 第63-64页 |
| ·小结 | 第64-65页 |
| 第六章 基于FLS-SVC 的苹果内部品质模糊识别的研究 | 第65-79页 |
| ·引言 | 第65页 |
| ·基于可能性测度的模糊机会约束规划 | 第65-66页 |
| ·模糊特征的表示方法 | 第66-67页 |
| ·模糊最小二乘支持向量分类机 | 第67-71页 |
| ·FLS-SVC 算法 | 第69-71页 |
| ·基于FLS-SVC 的苹果内部品质模糊识别模型 | 第71页 |
| ·基于数据域描述和内部品质得分的苹果模糊隶属度 | 第71-74页 |
| ·支持向量数据域描述 | 第72页 |
| ·基于数据域描述的隶属度函数 | 第72-73页 |
| ·基于糖度和酸度得分的内部品质隶属度 | 第73-74页 |
| ·样本的模糊隶属度 | 第74页 |
| ·基于FLS-SVC 的苹果内部品质的模糊识别 | 第74-78页 |
| ·模糊识别的评价方法 | 第74-75页 |
| ·样本集的模糊隶属度 | 第75-76页 |
| ·模糊样本集的模糊特征 | 第76-77页 |
| ·苹果内部品质模糊识别的结果及分析 | 第77-78页 |
| ·小结 | 第78-79页 |
| 第七章 总结与展望 | 第79-81页 |
| ·工作总结 | 第79-80页 |
| ·今后展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 致谢 | 第86-87页 |
| 在学期间发表的学术论文 | 第87页 |
