文摘
英文文摘
声明
第一章引言
1.1课题背景
1.2选题意义
1.3本文研究内容
第二章变量选择
2.1变量选择的目的
2.2变量选择的应用
第三章化学计量学方法用于变量选择
3.1逐步回归(Stepwise Regression)
3.2偏最小二乘方法(Partial Least Squares)
3.3遗传算法(Genetic Algorithms)
3.3.1遗传算法的特点
3.3.2遗传算法原理
3.3.3遗传算法在化学中的应用
3.4偏相关系数矩阵方法(Partial Correlation Coefficient matrix)
3.4.1 PCCM简介
3.4.2偏相关系数
3.4.3相对重要性
3.4.4 PCCM算法步骤
3.4.5变量选择依据
第四章逐步演进遗传算法
4.1基本概念介绍
4.2演进遗传算法(EGA)
4.3演进遗传算法与偏最小二乘连用
第五章数据模拟体系
5.1数据模拟的目的与意义
5.1.1数据模拟的目的
5.1.2数据模拟的要求
5.2高斯函数模拟
5.2.1高斯函数原理
5.2.2高斯函数在光谱模拟中的应用
5.2.3编程实现与软件介绍
第六章EGA应用于数据模拟体系
6.1光谱模拟
6.1.1验证EGA算法的正确性
6.1.2验证EGA算法的稳定性
6.2不同正交程度的光谱的解析
6.2.1正交程度
6.2.2不同OD的光谱模拟
6.2.3结果与讨论
6.3模拟紫外光谱
第七章EGA算法用于烟草质量控制的变量选择
7.1烟草简介
7.1.1烟草现状
7.1.2烟草数据来源
7.2 EGA-PLS变量选择及建模
7.2.1非线性模型分析
7.2.2数据预处理
7.2.3模型稳定性
7.3逐步回归方法变量选择及建模
7.3.1逐步回归方法变量选择结果
7.3.2逐步回归方法与EGA-PLS方法结果比较
7.4 PCCM-PLS变量选择及建模
7.4.1 PCCM变量选择
7.4.2 PLS方法建模
7.4.3 EGA-PLS与PCCM-PLS预报结果比较
第八章化学计量学平台的算法实现与测试
8.1 KPLS算法简介(Kernel PLS)
8.1.1核函数
8.1.2 KPLS算法的步骤
8.2 KPLS算法用于小麦颗粒质量评估
8.2.1数据来源
8.2.2结果与讨论
第九章结论与展望
致谢
参考文献
附录A烟草模型变量名称及符号
附录B标准正态分布函数表
附录C小麦颗粒的形态学与色泽参数
个人简历 在读期间发表的学术论文与研究成果