| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 引言 | 第11-13页 |
| ·课题背景 | 第11页 |
| ·选题意义 | 第11-12页 |
| ·本文研究内容 | 第12-13页 |
| 第二章 变量选择 | 第13-16页 |
| ·变量选择的目的 | 第13-14页 |
| ·变量选择的应用 | 第14-16页 |
| 第三章 化学计量学方法用于变量选择 | 第16-26页 |
| ·逐步回归(Stepwise Regression) | 第16页 |
| ·偏最小二乘方法(Partial Least Squares) | 第16-17页 |
| ·遗传算法(Genetic Algorithms) | 第17-20页 |
| ·遗传算法的特点 | 第18页 |
| ·遗传算法原理 | 第18-19页 |
| ·遗传算法在化学中的应用 | 第19-20页 |
| ·偏相关系数矩阵方法(Partial Correlation Coefficient matrix) | 第20-26页 |
| ·PCCM简介 | 第21页 |
| ·偏相关系数 | 第21-22页 |
| ·相对重要性 | 第22-23页 |
| ·PCCM算法步骤 | 第23-24页 |
| ·变量选择依据 | 第24-26页 |
| 第四章 逐步演进遗传算法 | 第26-30页 |
| ·基本概念介绍 | 第26-27页 |
| ·演进遗传算法(EGA) | 第27页 |
| ·演进遗传算法与偏最小二乘连用 | 第27-30页 |
| 第五章 数据模拟体系 | 第30-36页 |
| ·数据模拟的目的与意义 | 第30-31页 |
| ·数据模拟的目的 | 第30页 |
| ·数据模拟的要求 | 第30-31页 |
| ·高斯函数模拟 | 第31-36页 |
| ·高斯函数原理 | 第31页 |
| ·高斯函数在光谱模拟中的应用 | 第31-32页 |
| ·编程实现与软件介绍 | 第32-36页 |
| 第六章 EGA应用于数据模拟体系 | 第36-46页 |
| ·光谱模拟 | 第36-40页 |
| ·验证EGA算法的正确性 | 第36-38页 |
| ·验证EGA算法的稳定性 | 第38-40页 |
| ·不同正交程度的光谱的解析 | 第40-44页 |
| ·正交程度 | 第40-41页 |
| ·不同OD的光谱模拟 | 第41-43页 |
| ·结果与讨论 | 第43-44页 |
| ·模拟紫外光谱 | 第44-46页 |
| 第七章 EGA算法用于烟草质量控制的变量选择 | 第46-55页 |
| ·烟草简介 | 第46-47页 |
| ·烟草现状 | 第46页 |
| ·烟草数据来源 | 第46-47页 |
| ·EGA-PLS变量选择及建模 | 第47-50页 |
| ·非线性模型分析 | 第47页 |
| ·数据预处理 | 第47-48页 |
| ·模型稳定性 | 第48-50页 |
| ·逐步回归方法变量选择及建模 | 第50-51页 |
| ·逐步回归方法变量选择结果 | 第50-51页 |
| ·逐步回归方法与EGA-PLS方法结果比较 | 第51页 |
| ·PCCM-PLS变量选择及建模 | 第51-55页 |
| ·PCCM变量选择 | 第51-53页 |
| ·PLS方法建模 | 第53-54页 |
| ·EGA-PLS与PCCM-PLS预报结果比较 | 第54-55页 |
| 第八章 化学计量学平台的算法实现与测试 | 第55-61页 |
| ·KPLS算法简介(Kernel PLS) | 第55-57页 |
| ·核函数 | 第55-56页 |
| ·KPLS算法的步骤 | 第56-57页 |
| ·KPLS算法用于小麦颗粒质量评估 | 第57-61页 |
| ·数据来源 | 第57-58页 |
| ·结果与讨论 | 第58-61页 |
| 第九章 结论与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录A 烟草模型变量名称及符号 | 第66-67页 |
| 附录B 标准正态分布函数表 | 第67-68页 |
| 附录C 小麦颗粒的形态学与色泽参数 | 第68-69页 |
| 个人简历 在读期间发表的学术论文与研究成果 | 第69页 |
