首页--数理科学和化学论文--化学论文--分析化学论文

基于回归系数误差逐渐调优的增量偏最小二乘算法研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-19页
    1.1 选题背景及意义第11-12页
    1.2 国内外研究现状第12-15页
        1.2.1 偏最小二乘方法(PLS)研究现状第12-14页
        1.2.2 近红外光谱分析及应用第14-15页
    1.3 红外光谱定量分析的基本流程第15-17页
    1.4 模型的后期维护第17页
    1.5 论文的主要研究内容第17-19页
第2章 理论基础第19-29页
    2.1 红外光谱预处理方法第19-20页
        2.1.1 中心化第19页
        2.1.2 标准化第19-20页
    2.2 红外光谱定量分析建模算法第20-25页
        2.2.1 多元线性回归第20页
        2.2.2 主成分回归第20-21页
        2.2.3 偏最小二乘算法第21-25页
    2.3 K-折交叉验证算法第25-27页
    2.4 PLS1处理增量数据的时间复杂度第27页
    2.5 本章小结第27-29页
第3章 增量偏最小二乘算法第29-39页
    3.1 增量数据处理问题第29页
    3.2 增量偏最小二乘回归(IPLSR)第29-33页
        3.2.1 建立模型第29-32页
        3.2.2 算法步骤第32-33页
    3.5 IPLSR与PLSR的关系第33-34页
    3.6 最优阀值的确定方法第34-37页
    3.7 IPLS1处理增量数据的时间复杂度第37-38页
    3.8 本章小结第38-39页
第4章 仿真验证第39-53页
    4.1 实验数据与实验方法第39-42页
    4.2 实验结果与讨论第42-52页
        4.2.1 回归系数的比较第42-45页
        4.2.2 阀值的选取第45-48页
        4.2.3 预测结果的比较第48-52页
    4.3 本章小结第52-53页
第5章 基于IPLS的芍药苷浓度分析方法第53-63页
    5.1 研究背景及意义第53页
    5.2 实验目的第53页
    5.3 样品处方和工艺第53-54页
    5.4 实验准备与取样规则第54页
    5.5 光谱采集仪器第54页
    5.6 增量模型的建立条件第54-58页
        5.6.1 前四个批次联合建模(IPLS1-C1,PLS1-C1)第55-56页
        5.6.2 前六个批次联合建模(IPLS1-C2,PLS1-C2)第56-58页
    5.7 预测结果:第58-61页
        5.7.1 五、六批次数据的预测分析(IPLS1-P1,PLS1-P1)第59页
        5.7.2 第七个批次数据预测分析(IPLS1-P2,PLS1-P2)第59-61页
    5.8 本章小结第61-63页
第6章 总结和展望第63-65页
    6.1 本文工作总结第63页
    6.2 未来工作展望第63-65页
参考文献第65-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:锂离子电池正极材料xLi2MnO3·(1-x)LiNi1/3Co1/3Mn1/3O2的制备及性能研究
下一篇:基于支持向量机理论的FAST节点位移预测研究