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