| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·近红外光谱分析技术原理 | 第7页 |
| ·课题研究的目的和意义 | 第7-9页 |
| ·近红外光谱分析方法研究现状 | 第9-12页 |
| ·近红外光谱分析技术应用领域的发展 | 第9-10页 |
| ·近红外光谱分析技术中化学计量学的发展 | 第10-12页 |
| ·论文研究主要内容与方法 | 第12-13页 |
| 第二章 近红外光谱分析仪器和检测机理 | 第13-17页 |
| ·近红外漫反射光谱的理论 | 第13-15页 |
| ·近红外光谱产生的原因 | 第13页 |
| ·近红外光谱的吸收和漫反射定律 | 第13-15页 |
| ·光谱仪器系统介绍 | 第15-16页 |
| ·近红外光谱定量分析模型的建立方法 | 第16-17页 |
| 第三章 苹果和莲藕近红外光谱分析模型的构建与实现 | 第17-43页 |
| ·实验数据采集 | 第17-20页 |
| ·样本选择与仪器参数设定 | 第17页 |
| ·光谱采集与理化指标测定 | 第17-20页 |
| ·近红外光谱和浓度数据的数学描述 | 第20页 |
| ·样本光谱预处理和基于 K-S 方法的实验样本分类方法 | 第20-23页 |
| ·Kennard-Stone 方法选取校正样本集 | 第20-21页 |
| ·光谱预处理方法的选择与优化 | 第21-23页 |
| ·基于偏最小二乘回归的分析模型 | 第23-33页 |
| ·偏最小二乘的基本原理和近红外模型 | 第23-27页 |
| ·苹果和莲藕样本集中奇异样本判别和回归模型修正 | 第27-30页 |
| ·非线性多项式偏最小二乘回归建模 | 第30-33页 |
| ·人工神经网络非线性模型在近红外光谱分析中的应用 | 第33-43页 |
| ·人工神经网络的基本结构和原理 | 第33-38页 |
| ·PLS-BP 模型的构建方式和校正模型建立 | 第38-43页 |
| 第四章 基于蚁群算法和神经网络平均影响值方法的近红外光谱波长变量选择 | 第43-53页 |
| ·蚁群算法波长选择模型的构建与应用 | 第43-49页 |
| ·分区间波长选择的思想和原理 | 第43-45页 |
| ·蚁群算法波长选择的串联双通路模型 | 第45-47页 |
| ·蚁群算法波长筛选的过程与结论 | 第47-49页 |
| ·平均影响值方法的应用与改进 | 第49-53页 |
| 第五章 Bagging 人工神经网络集成方法在近红外光谱模型中的应用 | 第53-59页 |
| ·Bagging-PLS-BP 集成的原理和结构 | 第54-55页 |
| ·Bagging 建模结果与结论生成方法的讨论 | 第55-59页 |
| 主要结论与展望 | 第59-61页 |
| 主要结论 | 第59页 |
| 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第65页 |
