新書推薦：
《
古今“书画同源”论辨——中国书法与中国绘画的关系问题兼中国画笔墨研究
》
售價：HK$
132.2
《
《日本文学史序说》讲演录
》
售價：HK$
72.8
《
无尽的海洋：美国海事探险与大众文化（1815—1860）
》
售價：HK$
99.7
《
治盗之道：清代盗律的古今之辨
》
售價：HK$
122.1
《
甲骨文丛书·剑桥世界暴力史（第一卷）：史前和古代世界（套装全2册）
》
售價：HK$
210.6
《
甲骨文丛书·中华早期帝国：秦汉史的重估
》
售價：HK$
300.2
《
欲望与家庭小说
》
售價：HK$
98.6
《
惜华年（全两册）
》
售價：HK$
70.3
|
| 內容簡介： |
本书内容由浅入深，共分为五章：第1章简单介绍了近红外光谱分析技术的基础概念，总结和分析了传统建模分析的弊端，引出光谱数据库的概念和本书的主要内容；第2章主要介绍了支撑NIR-SDBS运行的主要算法，大致可归类为光谱预处理算法、光谱特征提取算法和光谱匹配算法等；第3章主要针对常见光谱平滑算法存在的问题，提出一种新的算法，以达到保护有用光谱信息的目的；第4章主要针对特定样品特征，提出一种新的全光谱匹配算法，以提高光谱匹配准确率；第5章主要介绍了光谱数据库系统分析与设计的过程，为读者开发自己的光谱数据库系统提供参考。
本书可供农业工程学科农产品品质检测及相关领域的科研、教学人员和大中专院校学生使用，也可以作为从事相关职业的科技人员、技术管理及推广人员的参考资料。
|
| 目錄：
|
前言
第1章绪论
1.1课题背景与研究意义
1.1.1NIR光谱技术概述
1.1.2NIR光谱分析的常见流程
1.1.3存在的问题与发展趋势
1.2SDBS概述
1.2.1SDBS原理及特点
1.2.2国外研究进展概况
1.2.3国内研究进展概况
1.2.4其他相关研究
1.3本书研究目的、内容和技术路线
1.3.1研究目的
1.3.2研究内容
1.3.3技术路线
1.4本章小结
第2章光谱数据库常用算法
2.1光谱预处理算法介绍
2.1.1平滑
2.1.2扣减
2.1.3导数或微分
2.1.4标准化
2.1.5多元散射校正
2.1.6标准正交变换
2.2NIR光谱特征峰识别及其参数计算
2.2.1NIR光谱的特点
2.2.2峰位
2.2.3峰边界
2.2.4峰高
2.2.5峰宽
2.2.6峰面积
2.3匹配算法
2.3.1SMA-P
2.3.2SMA-FS
2.4波段选择
2.4.1经验法
2.4.2分段排序法
2.4.3相关系数法
2.4.4方差分析法
2.4.5相关成分分析法
2.4.6基于遗传算法的波段选择法
2.4.7CARS波段选择法
2.5常用建模算法
2.5.1定量建模算法
2.5.2定性建模算法
2.6本章小结
第3章一种自适应平滑算法在苹果NIR光谱分析中的应用
3.1引言
3.2技术与方法
3.2.1噪声估算
3.2.2光谱局部波动频率
3.2.3数据点权值
3.2.4一种自适应平滑算法
3.2.5光谱特征峰定位及参数计算算法改进
3.3试验
3.3.1试验样品
3.3.2光谱仪与参数设置
3.3.3SSC检测仪
3.3.4支撑试验的软硬件平台
3.4结果与讨论
3.4.1SSC测量结果
3.4.2基于DA的分类结果
3.4.3构造各类别的中心光谱
3.4.4算法参数的确定与优选
3.4.5改进后算法对特征波段的保护
3.4.6假性峰过滤参数优化
3.4.7基于SMA-P的分类原理
3.4.8基于SMA-P的苹果样品分类
3.5本章小结
第4章基于杰卡德相似性系数原理的SMA-FS在苹果分类识别中的应用
4.1引言
4.2方法介绍
4.2.1苹果样品NIR光谱的一阶导数
4.2.2一阶导数光谱的预处理
4.2.3一阶导数二值化
4.2.4JSC
4.2.5JSC在NIR光谱匹配中的应用
4.2.6SMA-JSC算法的改进
4.3试验
4.3.1试验样品
4.3.2光谱仪与参数设置
4.3.3支撑试验的软硬件平台
4.4结果与分析
4.4.1S5～S7三类样品的SSC含量
4.4.2基于DA的S1～S7分类
4.4.3类别中心构建
4.4.4基于SMA-JSC的苹果样品分类识别
4.4.5SMA-JSC算法与常用SMA-FS算法的比较
4.4.6基于SMA-JSC算法检索分析特定样品的原理
4.4.7分辨率对SMA-JSC算法的影响
4.4.8改进SMA-JSC算法在苹果分类识别中的应用
4.5本章小结
第5章NIR-SDBS原型系统开发实例
5.1概述
5.2NIR-SDBS原型系统分析
5.2.1NIR-SDBS原型系统的需求描述
5.2.2水果NIR-SDBS原型系统的主要用例
5.2.3动态模型（场景时序图）
5.2.4静态模型（对象模型）
5.3系统设计
5.4对现有系统的比较
5.5本章小结
附录二维码资源
附录A中英文对照表
附录B部分算法C#代码
附录C基于SMA-JSC算法检索分析特定样品测试结果
参考文献
|
| 內容試閱：
|
近红外光是介于可见光和中红外光之间的电磁波，波长范围为780～2526nm。使用近红外光照射样品时，部分红外辐射波段被选择性吸收后产生近红外光谱。由于近红外光谱分析技术具有快速、无损和多指标同时检测的特点，相关技术的发展十分迅速，目前已经被广泛应用于农业、食品、化工和医药等行业中，成为对颗粒、粉末和固体等多种形态物质快速分析的重要手段，已有部分领域将近红外光谱分析方法认定为国际、国家或行业标准。
截至目前，近红外光谱分析的主要方法依然是基于传统模式识别算法，借助化学计量学软件建立定性或定量分析模型，终实现对待测样品的快速检验。这种分析模式存在一个明显弊端，即由于校正集样品规模、代表性均十分有限，加之对分析人员的技术水平与经验积累要求较高，通常导致耗费大量精力和物力建立的模型，仅能在极小的范围或若干个批次样品的范围内适用。
随着计算机硬件设备性能的日益提升和数据库技术的不断发展，一些专家学者开始探索基于数据库系统拓展近红外光谱分析技术的可行性，于是近红外光谱数据库技术应运而生。本书系统而全面地介绍了近红外光谱数据库的基本原理、主要算法和开发实例，并结合特定领域展示了相关算法的运用、算法参数的优化选择等，尤其在光谱预处理算法和光谱匹配算法方面进行了深入研究。
在光谱平滑算法方面，针对常用平滑算法对光谱中所有数据点采用相同的平滑策略，给平滑的光谱特征波段带来较多信息损失的问题，本书提出一种根据光谱数据点权值大小适配平滑算法的策略，既能够保证粗糙部分的平滑效果，又能减少平滑部分的信息丢失。针对特定样品的实际应用表明，本书所提出的算法既能够确保粗糙的光谱波段平滑效果较好，又能够充分保护平滑的光谱波段免受较大的信息损失。
在光谱匹配算法方面，针对常见全光谱匹配算法直接基于光谱曲线的吸光度（光谱反射比或强度值）计算匹配度，容易受到噪声信息或样品成分分布不均等因素的干扰导致匹配正确率低的问题，本书提出了一种基于杰卡德相似性系数原理的全光谱匹配算法，该算法通过对一阶导数光谱的二值化，对噪声信息进行过滤和对吸光度（光谱反射比或强度值）进行模糊化处理，将关注点从光谱强度转移到光谱波形上来。针对特定样品的实测结果表明，该算法远优于传统算法。
本书共分为五章，其中第1章和第3章由周万怀老师和徐守东老师共同编写，第2章和第4章由周万怀老师和李浩老师共同编写，第5章由徐守东老师和李浩老师共同编写，刘从九老师参与了本著作的整体规则设计以及相关课题应用技术的研究。
本书的内容主要源自于国家自然基金项目(31601224)，2020年度兵团农业领域科技攻关计划项目（2020AB006-1），安徽省教育厅重大项目（KJ2020ZD004）、重点项目（KJ2019A0650）和2021年安徽省高校拔尖人才培育项目的研究成果，对以上项目和相应主管部门提供支持表示衷心感谢！
由于作者水平有限，加之编写时间仓促，书中不足之处在所难免，敬请读者批评指正。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
