LIBS光谱数据分类算法及应用研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 激光诱导击穿光谱概述 | 第8-9页 |
| 1.2 激光诱导击穿光谱的原理 | 第9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.4 论文研究内容和结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-16页 |
| 第二章 光谱数据分类算法 | 第16-22页 |
| 2.1 LIBS光谱数据分类算法 | 第16-19页 |
| 2.1.1 主成份分析分类算法 | 第16-17页 |
| 2.1.2 偏最小二乘法 | 第17-18页 |
| 2.1.3 软独立建模分类 | 第18页 |
| 2.1.4 支持向量机 | 第18-19页 |
| 2.2 组合分类器算法 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 一种基于SVM的LIBS光谱分类算法 | 第22-32页 |
| 3.1 问题提出 | 第22页 |
| 3.2 SVM的分类原理 | 第22-26页 |
| 3.2.1 支持向量机二分类方法 | 第22-25页 |
| 3.2.2 支持向量机的多分类建模方法 | 第25-26页 |
| 3.3 一种基于SVM的LIBS光谱数据分类算法 | 第26-28页 |
| 3.3.1 鲁棒主成份分析分类算法 | 第26-27页 |
| 3.3.2 一种改进的LIBS光谱数据分类算法 | 第27-28页 |
| 3.4 实验结果分析 | 第28-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第四章 一种光谱数据组合分类模型 | 第32-42页 |
| 4.1 AdaBoost组合分类模型 | 第32-33页 |
| 4.2 组合分类模型中子分类器的选择 | 第33页 |
| 4.3 SVM与PLS-DA组合分类模型 | 第33-35页 |
| 4.4 组合分类模型的实验结果分析 | 第35-37页 |
| 4.5 组合分类模型软件实现 | 第37-39页 |
| 4.6 本章小结 | 第39-42页 |
| 第五章 LIBS光谱数据预处理及分析系统 | 第42-52页 |
| 5.1 需求分析 | 第42页 |
| 5.2 系统总体设计 | 第42-44页 |
| 5.2.1 数据库设计 | 第42-43页 |
| 5.2.2 前台应用软件设计 | 第43-44页 |
| 5.3 系统实现 | 第44-51页 |
| 5.3.1 数据库实现 | 第44-45页 |
| 5.3.2 自建标准数据库 | 第45-46页 |
| 5.3.3 LIBS数据预处理与分析软件实现 | 第46-51页 |
| 5.4 本章小结 | 第51-52页 |
| 总结与展望 | 第52-54页 |
| 参考文献 | 第54-60页 |
| 攻读硕士学位期间取得的学术成果 | 第60-62页 |
| 致谢 | 第62-63页 |
