摘要：拉曼光谱具有提供速度快、简单可重复以及无损伤定性定量分析等特点。拉曼光谱中特征峰的位置、强度以及特征峰的宽度可以提供分子振动、振动等信息。同时基于拉曼光谱的物质检测方法具有不受水分子干扰，设备轻便，所需样本量少且无需处理等特点，因此，拉曼光谱识别技术成为一种高效的物质检测工具。近年来，神经网络的相关研究不断深入，在模式识别、信号处理、自动控制等领域的得到了广泛的应用。鉴于神经网络的高自学性和自适应性，本课题拟将神经网络模型与拉曼光谱检测技术结合起来，利用神经网络模型对拉曼光谱进行分类，从而实现对不同物质光谱的快速识别。本课题通过提取蜂蜜的拉曼光谱数据，随后提取拉曼光谱特征值进行降维预处理，最后将归一化的光谱数据投入到设置好的参数BP神经网络中进行训练，得到准确率较高的识别结果，从而验证了采用神经网络模型进行拉曼光谱检测的有效性。

关键词：神经网络  拉曼光谱  特征值提取

目录

摘要

Abstract

第一章 绪论-1

1.1课题研究的意义-1

1.2拉曼光谱的研究现状-1

1.3课题研究的主要内容及实现方法-2

1.4论文的整体框架-2

第二章 拉曼光谱的应用及经典分类方法介绍-3

2.1 拉曼技术-3

2.2拉曼光谱的实际应用-4

2.3经典的分析方法-5

第三章  神经网络的有关介绍-8

3.1 人工神经网络的简介-8

3.2  神经网络的算法-9

3.3  神经网络的应用-9

第四章 神经网络与拉曼光谱的应用-11

4.1 拉曼光谱数据采集及处理-11

4.2  BP神经网络应用-11

4.2.1 BP神经网络的实现-11

4.2.2  BP神经网络在拉曼光谱判别中的实现及结果-12

4.3  结果分析-13

第五章 课题总结-15

参考文献-16

致谢-17