前言
第1章绪论
11课题背景与研究意义
111NIR光谱技术概述
112NIR光谱分析的常见流程
113存在的问题与发展趋势
12SDBS概述
121SDBS原理及特点
122国外研究进展概况
123国内研究进展概况
124其他相关研究
13本书研究目的、内容和技术路线
131研究目的
132研究内容
133技术路线
14本章小结
第2章光谱数据库常用算法
21光谱预处理算法介绍
211平滑
212扣减
213导数或微分
214标准化
215多元散射校正
216标准正交变换
22NIR光谱特征峰识别及其参数计算
221NIR光谱的特点
222峰位
223峰边界
224峰高
225峰宽
226峰面积
23匹配算法
231SMA-P
232SMA-FS
24波段选择
241经验法
242分段排序法
243相关系数法
244方差分析法
245相关成分分析法
246基于遗传算法的波段选择法
247CARS波段选择法
25常用建模算法
251定量建模算法
252定性建模算法
26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
31引言
32技术与方法
321噪声估算
322光谱局部波动频率
323数据点权值
324一种自适应平滑算法
325光谱特征峰定位及参数计算算法改进
33试验
331试验样品
332光谱仪与参数设置
333SSC检测仪
334支撑试验的软硬件平台
34结果与讨论
341SSC测量结果
342基于DA的分类结果
343构造各类别的中心光谱
344算法参数的确定与优选
345改进后算法对特征波段的保护
346假性峰过滤参数优化
347基于SMA-P的分类原理
348基于SMA-P的苹果样品分类
35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
41引言
42方法介绍
421苹果样品NIR光谱的一阶导数
422一阶导数光谱的预处理
423一阶导数二值化
424JSC
425JSC在NIR光谱匹配中的应用
426SMA-JSC算法的改进
43试验
431试验样品
432光谱仪与参数设置
433支撑试验的软硬件平台
44结果与分析
441S5～S7三类样品的SSC含量
442基于DA的S1～S7分类
443类别中心构建
444基于SMA-JSC的苹果样品分类识别
445SMA-JSC算法与常用SMA-FS算法的比较
446基于SMA-JSC算法检索分析特定样品的原理
447分辨率对SMA-JSC算法的影响
448改进SMA-JSC算法在苹果分类识别中的应用
45本章小结
第5章NIR-SDBS原型系统开发实例
51概述
52NIR-SDBS原型系统分析
521NIR-SDBS原型系统的需求描述
522水果NIR-SDBS原型系统的主要用例
523动态模型（场景时序图）
524静态模型（对象模型）
53系统设计
54对现有系统的比较
55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