| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·课题的研究背景及研究意义 | 第8-9页 |
| ·近红外光谱分析技术在国内外的应用研究现状 | 第9-13页 |
| ·国外发展状况 | 第9-10页 |
| ·国内发展状况 | 第10-11页 |
| ·近红外光谱技术在造纸工业中的应用 | 第11-13页 |
| ·本课题的研究对象、任务和内容 | 第13-15页 |
| 第二章 近红外光谱分析技术与模式识别 | 第15-23页 |
| ·近红外吸收光谱基本原理 | 第15-16页 |
| ·近红外光谱分析技术的特点 | 第16-17页 |
| ·近红外光谱数据预处理方法 | 第17-18页 |
| ·模式识别定性方法 | 第18-22页 |
| ·无监督模式识别方法——聚类分析 | 第19-20页 |
| ·有监督模式识别方法 | 第20页 |
| ·基于主成分分析的特征提取 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 造纸原材料的近红外光谱采集 | 第23-29页 |
| ·实验仪器介绍和工作参数设置 | 第23-25页 |
| ·样品近红外光谱图的采集 | 第25-28页 |
| ·原料样品的状态选择 | 第26-27页 |
| ·原料样品粒度不同对近红外光谱的影响 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于小波变换造纸原料近红外光谱处理及分类 | 第29-43页 |
| ·小波分析的基本理论 | 第29-30页 |
| ·多分辨率分析与正交小波变换 | 第30-34页 |
| ·多分辨率分析 | 第30-32页 |
| ·Mallat 算法 | 第32-34页 |
| ·近红外光谱信号中的噪声滤除 | 第34-35页 |
| ·信号的特征提取 | 第34-35页 |
| ·噪声滤波的小波方法 | 第35页 |
| ·实验部分 | 第35-42页 |
| ·常规方法对造纸原材料的处理分类 | 第35-38页 |
| ·基于小波变换对造纸原材料光谱的处理 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于人工神经网络的造纸原料近红外判别模型建立 | 第43-51页 |
| ·人工神经网络原理 | 第43页 |
| ·反向传播学习算法（BP 算法） | 第43-46页 |
| ·BP 人工神经网络参数的优化 | 第46-48页 |
| ·隐含层的节点数目 | 第46-47页 |
| ·学习速率（训练步长） | 第47页 |
| ·动量因子 | 第47页 |
| ·迭代次数 | 第47页 |
| ·实验步骤 | 第47-48页 |
| ·实验部分 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·总结 | 第51页 |
| ·展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 详细摘要 | 第56-59页 |