动物组织激光诱导击穿光谱分类方法及核心算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-23页 |
| 1.1 引言 | 第11-12页 |
| 1.2 传统的动物组织分类技术简介 | 第12-13页 |
| 1.3 激光诱导击穿光谱技术简介 | 第13-15页 |
| 1.4 国内外LIBS在动物组织研究进展 | 第15-19页 |
| 1.5 本课题的来源、目的及意义 | 第19-20页 |
| 1.6 本文的主要内容 | 第20-23页 |
| 2 激光诱导击穿光谱装置及组织分类算法介绍 | 第23-44页 |
| 2.1 激光诱导击穿光谱的实验装置 | 第23-26页 |
| 2.2 相关分类算法原理介绍 | 第26-43页 |
| 2.3 数据处理步骤介绍 | 第43页 |
| 2.4 本章小结 | 第43-44页 |
| 3 制样方法对肉类组织分类影响规律研究 | 第44-57页 |
| 3.1 实验装置及所用算法 | 第44页 |
| 3.2 样品及处理方法 | 第44-46页 |
| 3.3 实验结果分析 | 第46-54页 |
| 3.4 不同制样方法的分类结果对比 | 第54-56页 |
| 3.5 本章小结 | 第56-57页 |
| 4 不同算法对鲜肉组织分类准确度的对比研究 | 第57-69页 |
| 4.1 相关分类算法 | 第57页 |
| 4.2 不同算法对LIBS组织光谱进行识别 | 第57-66页 |
| 4.3 不同算法的识别准确度对比分析 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 5 SVM算法组合优化改善分类准确度的研究 | 第69-78页 |
| 5.1 PCA结合SVM | 第69-70页 |
| 5.2 SVM内核优化分析 | 第70-73页 |
| 5.3 波峰识别与SVM算法的结合分析 | 第73-77页 |
| 5.4 本章小结 | 第77-78页 |
| 6 SVM算法用于肿瘤组织的分类应用研究 | 第78-84页 |
| 6.1 癌症检测现状及意义 | 第78-79页 |
| 6.2 LIBS初步应用于肿瘤组织的分类 | 第79-83页 |
| 6.3 本章小结 | 第83-84页 |
| 7 全文总结与展望 | 第84-86页 |
| 7.1 全文总结 | 第84页 |
| 7.2 展望 | 第84-86页 |
| 致谢 | 第86-88页 |
| 参考文献 | 第88-96页 |
| 附录：攻读硕士学位期间发表的论文和申请专利 | 第96-97页 |
