实木板材表面特征与物理性能直接影响板材利用与产品质量，本书以实木板材表面特征与物理性能检测为对象，以图像处理与光谱分析为检测手段，应用模式识别领域的新技术与新方法对实木板材开展检测与分析等。本书内容整合了作者的科研成果，系统介绍了线性分类器、聚类算法、主成分分析法、遗传算法、粒子群优化算法、支持向量机、压缩感知、神经网络等模式识别的基本原理，以及参数优化和相关改进策略，给出了实木板材物理性能检测与表面特征分析的整体流程和实验结果分析的相应方法。本书理论与实践相结合，可以帮助读者掌握模式识别方法的具体应用过程，并解决应用中遇到的问题。
前言
绪论 1
第1章 板材基本密度的近红外光谱检测方法 4
1.1 概述 4
1.2 密度检测基本方法 4
1.3 近红外光谱分析技术 6
1.3.1 近红外光谱分析技术特点 6
1.3.2 木材的近红外光谱检测研究现状 6
1.3.3 近红外光谱分析流程 9
1.4 样本制备与近红外光谱定量分析流程 10
1.4.1 柞木样本材料制备 10
1.4.2 实验仪器介绍 11
1.4.3 柞木样本光谱采集 12
1.4.4 柞木基本密度测量 14
1.5 木材基本密度的光谱奇异值剔除与光谱数据预处理 15
1.5.1 光谱奇异值剔除方法 15
1.5.2 木材近红外光谱数据预处理方法 18
1.5.3 实验结果与分析 24
1.6 木材基本密度的近红外光谱特征波长提取 27
1.6.1 谱区选择算法 27
1.6.2 连续投影算法 28
1.6.3 基于 BiPLS-SPA的光谱特征优选方法 29
1.6.4 光谱特征选择结果及其分析 30
1.7 小波神经网络在木材基本密度近红外建模中的应用 34
1.7.1 小波神经网络模型简介 34
1.7.2 基于小波神经网络的木材基本密度建模 39
1.7.3 实验结果与分析 40参考文献 42
......
