| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题背景及研究意义 | 第10-11页 |
| ·小麦品质分类的研究现状 | 第11-12页 |
| ·近红外光谱分类识别的研究进展 | 第12-13页 |
| ·本文的研究内容 | 第13-14页 |
| 第2章 近红外光谱分析技术的理论基础 | 第14-21页 |
| ·近红外光谱的基本原理 | 第14页 |
| ·近红外光谱分析的一般流程 | 第14-20页 |
| ·样品筛选和集合划分 | 第15-16页 |
| ·近红外光谱预处理 | 第16-18页 |
| ·光谱数据特征提取 | 第18-19页 |
| ·近红外光谱定性分析 | 第19-20页 |
| ·近红外光谱模型评价 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 样品选择与光谱数据特征提取方法研究 | 第21-35页 |
| ·引言 | 第21页 |
| ·试验样品制备 | 第21页 |
| ·光谱数据采集 | 第21-22页 |
| ·物化指标测定 | 第22-23页 |
| ·建模样品选择方法研究 | 第23-27页 |
| ·马氏距离的基本原理 | 第24-25页 |
| ·应用马氏距离剔除异常光谱 | 第25-26页 |
| ·SPXY 算法的基本原理 | 第26页 |
| ·基于 SPXY 的样品集合划分 | 第26-27页 |
| ·光谱预处理 | 第27-29页 |
| ·特征提取方法研究 | 第29-34页 |
| ·连续投影算法的基本原理 | 第29-30页 |
| ·SPA 在小麦近红外光谱数据中的应用分析 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 优化的 RBF 神经网络分类模型研究 | 第35-45页 |
| ·引言 | 第35页 |
| ·RBF 神经网络原理及存在的问题 | 第35-37页 |
| ·应用改进的 PSO 算法优化 RBF 神经网络 | 第37-41页 |
| ·PSO 算法 | 第37-38页 |
| ·PSO 算法存在的问题及改进方法 | 第38-40页 |
| ·改进的 PSO 算法在 RBF 神经网络中的应用 | 第40-41页 |
| ·优化的 RBF 神经网络在小麦品质建模中的应用研究 | 第41-44页 |
| ·基于优化的 RBF 神经网络建模 | 第41-42页 |
| ·实验结果分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 小麦品质评价系统的设计与实现 | 第45-54页 |
| ·评价系统的构成 | 第45-46页 |
| ·评价系统的实现 | 第46-50页 |
| ·数据导入实现 | 第46-47页 |
| ·品质分析实现 | 第47-48页 |
| ·操作界面实现 | 第48-50页 |
| ·评价系统的应用与拓展 | 第50-53页 |
| ·评价系统的应用 | 第50-52页 |
| ·评价系统的拓展 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间发表的论文 | 第63页 |