小麥品質近紅外光譜分析

定　價：￥68.00

作　者：	宦克為，韓雪艷，劉小溪著
出版社：	化學工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787122381392	出版時間：	2021-03-01	包裝：	平裝
開本：	16開	頁數：	186	字數：

內容簡介

　　小麥是我國最重要的糧食之一，如何快速地、有效地、無損地檢測小麥中的各種化學成分，并對多項指標進行評價，一直是各國研究的問題。本書主要特色是基于化學計量學中的模型集群分析思想，通過不同統(tǒng)計學算法建模，克服一次性建模過擬合的各種問題，大大簡化了小麥近紅外光譜預測模型，提高了模型的預測精度。本書主要內容：小麥品質概述；小麥品質影響因素；近紅外光譜技術研究現(xiàn)狀、特點及其在作物品質分析中的應用等；近紅外光譜系統(tǒng)的研制，包括樣品光譜收集系統(tǒng)、光源系統(tǒng)、整機測試系統(tǒng)等；近紅外光譜預處理方法；近紅外光譜建模方法；近紅外光譜的模型評價方法等；基于傳統(tǒng)化學計量學算法的小麥品質的近紅外光譜定量分析研究；基于模型集群分析思想的小麥品質的近紅外光譜定量分析研究。本書主要面向紅外物理學、化學計量學等相關專業(yè)的本科生、碩士生，也可為相關領域在讀博士生提供建模新思路。

作者簡介

暫缺《小麥品質近紅外光譜分析》作者簡介

圖書目錄

第1章小麥品質及近紅外光譜分析技術概述/ 001
1.1小麥品質概述/ 001
1.1.1水分/ 001
1.1.2蛋白質/ 002
1.1.3淀粉/ 004
1.2小麥品質的影響因素分析/ 005
1.2.1氣候條件對小麥品質的影響/ 005
1.2.2土壤條件對小麥品質的影響/ 009
1.3近紅外光譜分析技術概述/ 011
1.3.1近紅外光譜分析技術發(fā)展的回顧/ 013
1.3.2近紅外光譜分析技術特點/ 015
1.3.3近紅外光譜分析技術在作物品質分析中的應用/ 020

第2章近紅外光譜測試系統(tǒng)及分析方法研究/ 031
2.1現(xiàn)有的近紅外光譜分析儀器/ 031
2.2自制的樣品光譜收集系統(tǒng)/ 035
2.2.1積分球耦合結構/ 035
2.2.2光纖耦合結構/ 036
2.3自制的近紅外光源系統(tǒng)/ 037
2.4自制的近紅外光譜漫反射及漫透射測試系統(tǒng)/ 039
2.5近紅外光譜預處理方法/ 042
2.5.1平均光譜/ 042
2.5.2平滑算法/ 042
2.5.3求導/ 043
2.5.4小波變換濾波/ 044
2.5.5多元散射校正/ 047
2.5.6標準正態(tài)變換/ 048
2.5.7正交投影方法/ 048
2.6近紅外光譜的建模方法/ 049
2.6.1偏最小二乘法/ 049
2.6.2支持向量機/ 050
2.7近紅外光譜的模型評價方法/ 051
2.8近紅外光譜的預處理和建模軟件介紹/ 053

第3章基于一次性建模的小麥水分的近紅外光譜定量分析/ 056
3.1近紅外光譜定量分析步驟/ 056
3.2小波變換/ 059
3.2.1理論定義/ 061
3.2.2離散小波變換/ 062
3.2.3Mallat算法/ 062
3.2.4常用的小波函數/ 063
3.3小麥水分的近紅外光譜特征提取及建模方法/ 067
3.3.1小麥樣品的近紅外光譜采集及水分分布/ 068
3.3.2小麥樣品的近紅外光譜特征提取方法/ 068
3.3.3小麥樣品的近紅外光譜建模/ 071

第4章基于一次性建模的小麥蛋白質的近紅外光譜定量分析/ 078
4.1小麥樣品的近紅外光譜采集及蛋白質分布/ 078
4.2近紅外光譜變量選擇方法/ 079
4.2.1目前常用的變量選擇方法/ 079
4.2.2無信息變量消除算法/ 079
4.2.3連續(xù)投影算法/ 080
4.2.4無信息變量消除算法結合連續(xù)投影算法/ 081
4.2.5特征投影圖方法/ 081
4.3近紅外光譜不同變量選擇方法的建模結果分析/ 086
4.3.1SVM模型/ 086
4.3.2CWT-SVM模型/ 087
4.3.3CWT-MSC-SVM模型/ 091
4.3.4CWT-MSC-UVE-SVM模型/ 092
4.3.5CWT-MSC-SPA-SVM模型/ 094
4.3.6CWT-MSC-UVE-SPA-SVM模型/ 096
4.3.7CWT-LPG-SVM模型/ 097
4.3.8CWT-MSC-LPG-SVM模型/ 100
4.3.9不同建模方法的建模結果分析/ 103

第5章基于模型集群分析思想的小麥水分近紅外光譜定量分析/ 105
5.1模型集群分析建模思路的產生/ 106
5.2蒙特卡羅采樣技術/ 109
5.2.1刀切法/ 109
5.2.2自助法/ 110
5.2.3蒙特卡羅采樣/ 110
5.3模型集群分析建模的主要思路/ 111
5.4小麥樣品水分數據的異常樣本診斷與樣本分類/ 112
5.4.1異常樣本診斷/ 113
5.4.2樣本分類/ 115
5.5基于引導軟閾值方法的特征變量提取方法/ 115
5.6基于變量組合集群分析及改進與混合方法的特征變量提取方法/ 119
5.6.1基于VCPA的特征變量提取方法/ 119
5.6.2基于AWVCPA的特征變量提取方法/ 121
5.6.3基于MC-VCPA的特征變量提取方法/ 124
5.6.4基于VCPA-IRIV的特征變量提取方法/ 125
5.6.5變量組合集群分析及改進與混合方法的特征變量提取結果分析/ 128
5.7基于其他方法的特征變量提取方法/ 130
5.7.1基于CARS的特征變量提取方法/ 130
5.7.2基于IRIV的特征變量提取方法/ 133
5.7.3CARS與IRIV的特征變量提取結果分析/ 135
5.8基于模型集群分析方法的小麥水分建模方法研究/ 137
5.8.1不同模型集群方法的小麥水分建模結果/ 137
5.8.2不同建模方法的建模結果分析/ 141

第6章基于模型集群分析思想的小麥蛋白質的近紅外光譜定量分析/ 143
6.1基于模型集群分析思想的變量選擇方法/ 143
6.2基于模型集群分析思想的建模策略/ 143
6.3基于模型集群分析方法的小麥蛋白質建模方法研究/ 145
6.3.1WTP-RF-PLS模型/ 146
6.3.2WTP-MC-UVE-PLS模型/ 149
6.3.3WTP-CARS-PLS模型/ 153
6.3.4WTP-IRIV-PLS模型/ 156
6.3.5WTP-VCPA-PLS模型/ 159
6.3.6WTP-AWVCPA-PLS模型/ 162
6.3.7WTP-MC-VCPA-PLS模型/ 167
6.3.8不同建模方法的建模結果分析/ 174

參考文獻/ 177