谈述向量基于高光谱成像技术铜品质检测策略

致谢5-6

摘要6-8

Abstract8-10

目录10-12

表目录12-13

图目录13-15

第1章 绪论15-31

1.1 废杂铜的利用15-17

1.2 再生铜品质检测策略近况17-21

1.2.1 化学浅析法18-20

1.2.2 合金浅析仪检测法20-21

1.3 光谱成像技术的进展21-27

1.3.1 光谱成像技术的进展21-24

1.3.2 光谱成像技术的运用24-27

1.4 课题背景及其探讨作用27-28

1.5 本论文主要内容28-31

第2章 基于高光谱铜品质检测系统的设计与实现31-51

2.1 引言31

2.2 检测系统硬件平台31-40

2.2.1 成像光谱仪的基本原理31-35

2.2.2 检测系统硬件平台选型设计35-40

2.3 检测系统软件平台40-49

2.3.1 软件功能介绍40-44

2.3.2 软件功能测试44-49

2.4 本章小结49-51

第3章 基于高光谱特点铜成分的LSSVR回归建模51-65

3.1 引言51

3.2 LSSVR的数学模型51-55

3.2.1 机器回归学习不足51-52

3.2.2 LSSVR的数学描述52-55

3.3 基于高光谱特点铜成分LSSVR回归建模的策略55-60

3.3.1 再生铜样本的高光谱特点提取55-56

3.3.2 样本数据的预处理56-57

3.3.3 核函数对LSSVR回归建模的影响57-59

3.3.4 LSSVR回归建模参数优化59

3.3.5 基于高光谱特点铜成分LSSVR回归建模的步骤59-60

3.4 实验结果及浅析60-64

3.4.1 实验设计60-63

3.4.2 实验结果及浅析63-64

3.5 本章小结64-65

第4章 基于高光谱特点铜成分的PSO-nsNMF-LSSVR回归建模65-81

4.1 引言65

4.2 非负矩阵分解算法65-70

4.2.1 非负矩阵分解算法原理66

4.2.2 非负矩阵分解论述66-68

4.2.3 非平滑约束的非负矩阵分解68-70

4.3 粒子群优化算法70-72

4.3.1 算法原理70-72

4.3.2算法流程72

4.4 PSO-nsNMF算法72-74

4.4.1 算法原理72-73

4.4.2 算法流程73-74

4.5 基于高光谱特点铜成分的PSO-nsNMF-LSSVR回归建模74-76

4.5.1 建模原理74-75

4.5.2 建模流程75-76

4.6 实验结果及浅析76-79

4.6.1 实验设计76-77

4.6.2 实验结果及浅析77-79

4.7 本章小结79-81

第5章 总结与展望81-83

5.1 工作总结81-82

5.2 探讨展望82-83