| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-17页 |
| 1.3 主要研究内容 | 第17页 |
| 1.4 本文主要贡献 | 第17-18页 |
| 1.5 本文结构 | 第18-19页 |
| 第2章 润滑脂类别鉴定和红外光谱特征选择的理论基础 | 第19-27页 |
| 2.1 机器学习 | 第19页 |
| 2.2 特征选择 | 第19-20页 |
| 2.3 假说演绎法 | 第20-21页 |
| 2.4 对润滑脂数据的初步分析 | 第21-23页 |
| 2.5 主成分分析 | 第23-27页 |
| 第3章 布谷鸟算法建立润滑脂分类模型 | 第27-38页 |
| 3.1 布谷鸟算法理论基础 | 第27-30页 |
| 3.1.1 levy飞行 | 第27页 |
| 3.1.2 布谷鸟算法行为描述 | 第27-28页 |
| 3.1.3 算法模型描述 | 第28-30页 |
| 3.2 高维球滚动 | 第30页 |
| 3.3 欧式距离 | 第30-31页 |
| 3.4 基于高维球布谷鸟搜索的润滑脂预测模型 | 第31-32页 |
| 3.5 布谷鸟模型的特征筛选方案 | 第32页 |
| 3.6 分析仪器及样品 | 第32-33页 |
| 3.7 光谱预处理 | 第33页 |
| 3.8 类别标签 | 第33-37页 |
| 3.9 本章小结 | 第37-38页 |
| 第4章 Kohonen模型的润滑脂鉴定和类别空间可视化 | 第38-50页 |
| 4.1 Kohonen网络分类模型 | 第38-39页 |
| 4.2 层次化网络模型 | 第39-41页 |
| 4.3 分类波段优选 | 第41页 |
| 4.4 分析仪器及样品 | 第41-42页 |
| 4.5 分类模型训练和测试 | 第42-43页 |
| 4.6 波段优选 | 第43-48页 |
| 4.7 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 攻读硕士期间发表的论文及参与的科研工作 | 第57-58页 |
| 致谢 | 第58页 |