、首次提出了将特征投影图方法应用于小麦蛋白质近红外光谱建模，提高了模型稳定性及预测精度；
2、首次利用异常样本诊断与样本分类方法对小麦样品库进行分类，并基于模型集群分析思想，采用变量组合集群分析法、自加权变量组合集群分析法、蒙特卡罗变量组合集群分析法、变量组合集群分析迭代保留信息变量法等建立小麦水分和蛋白质的近红外光谱预测模型，更大程度提高了模型稳定性及预测精度；

小麦是我国zui重要的粮食之一，如何快速地、有效地、无损地检测小麦中的各种化学成分，并对多项指标进行评价，一直是各国研究的问题。本书主要特色是基于化学计量学中的模型集群分析思想，通过不同统计学算法建模，克服一次性建模过拟合的各种问题，大大简化了小麦近红外光谱预测模型，提高了模型的预测精度。
本书主要内容：小麦品质概述；小麦品质影响因素；近红外光谱技术研究现状、特点及其在作物品质分析中的应用等；近红外光谱系统的研制，包括样品光谱收集系统、光源系统、整机测试系统等；近红外光谱预处理方法；近红外光谱建模方法；近红外光谱的模型评价方法等；基于传统化学计量学算法的小麦品质的近红外光谱定量分析研究；基于模型集群分析思想的小麦品质的近红外光谱定量分析研究。
本书主要面向红外物理学、化学计量学等相关专业的本科生、硕士生，也可为相关领域在读博士生提供建模新思路。

宦克为，长春理工大学理学院电子科学与技术系，副教授，宦克为，博士，副教授，长春理工大学电子科学与技术专业红外方向负责人，美国特拉华州立大学OSCAR应用光学中心访问学者，参与美国NIH、NSF项目各1项。现主持、参与及完成省部级课题13项，授权发明专利3项，实用新型专利1项，国内外主要学术刊物发表学术论文20余篇，其中被SCI、EI收录15篇，作为主要作者编著教材2部。2013年获长春理工大学教学质量三等奖，2016年获长春理工大学教学质量一等奖。

第1章小麦品质及近红外光谱分析技术概述/ 001
1.1小麦品质概述/ 001
1.1.1水分/ 001
1.1.2蛋白质/ 002
1.1.3淀粉/ 004
1.2小麦品质的影响因素分析/ 005
1.2.1气候条件对小麦品质的影响/ 005
1.2.2土壤条件对小麦品质的影响/ 009
1.3近红外光谱分析技术概述/ 011
1.3.1近红外光谱分析技术发展的回顾/ 013
1.3.2近红外光谱分析技术特点/ 015
1.3.3近红外光谱分析技术在作物品质分析中的应用/ 020

第2章近红外光谱测试系统及分析方法研究/ 031
2.1现有的近红外光谱分析仪器/ 031
2.2自制的样品光谱收集系统/ 035
2.2.1积分球耦合结构/ 035
2.2.2光纤耦合结构/ 036
2.3自制的近红外光源系统/ 037
2.4自制的近红外光谱漫反射及漫透射测试系统/ 039
2.5近红外光谱预处理方法/ 042
2.5.1平均光谱/ 042
2.5.2平滑算法/ 042
2.5.3求导/ 043
2.5.4小波变换滤波/ 044
2.5.5多元散射校正/ 047
2.5.6标准正态变换/ 048
2.5.7正交投影方法/ 048
2.6近红外光谱的建模方法/ 049
2.6.1偏zui小二乘法/ 049
2.6.2支持向量机/ 050
2.7近红外光谱的模型评价方法/ 051
2.8近红外光谱的预处理和建模软件介绍/ 053

第3章基于一次性建模的小麦水分的近红外光谱定量分析/ 056
3.1近红外光谱定量分析步骤/ 056
3.2小波变换/ 059
3.2.1理论定义/ 061
3.2.2离散小波变换/ 062
3.2.3Mallat算法/ 062
3.2.4常用的小波函数/ 063
3.3小麦水分的近红外光谱特征提取及建模方法/ 067
3.3.1小麦样品的近红外光谱采集及水分分布/ 068
3.3.2小麦样品的近红外光谱特征提取方法/ 068
3.3.3小麦样品的近红外光谱建模/ 071

第4章基于一次性建模的小麦蛋白质的近红外光谱定量分析/ 078
4.1小麦样品的近红外光谱采集及蛋白质分布/ 078
4.2近红外光谱变量选择方法/ 079
4.2.1目前常用的变量选择方法/ 079
4.2.2无信息变量消除算法/ 079
4.2.3连续投影算法/ 080
4.2.4无信息变量消除算法结合连续投影算法/ 081
4.2.5特征投影图方法/ 081
4.3近红外光谱不同变量选择方法的建模结果分析/ 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结果分析/ 103

第5章基于模型集群分析思想的小麦水分近红外光谱定量分析/ 105
5.1模型集群分析建模思路的产生/ 106
5.2蒙特卡罗采样技术/ 109
5.2.1dao切法/ 109
5.2.2自助法/ 110
5.2.3蒙特卡罗采样/ 110
5.3模型集群分析建模的主要思路/ 111
5.4小麦样品水分数据的异常样本诊断与样本分类/ 112
5.4.1异常样本诊断/ 113
5.4.2样本分类/ 115
5.5基于引导软阈值方法的特征变量提取方法/ 115
5.6基于变量组合集群分析及改进与混合方法的特征变量提取方法/ 119
5.6.1基于VCPA的特征变量提取方法/ 119
5.6.2基于AWVCPA的特征变量提取方法/ 121
5.6.3基于MC-VCPA的特征变量提取方法/ 124
5.6.4基于VCPA-IRIV的特征变量提取方法/ 125
5.6.5变量组合集群分析及改进与混合方法的特征变量提取结果分析/ 128
5.7基于其他方法的特征变量提取方法/ 130
5.7.1基于CARS的特征变量提取方法/ 130
5.7.2基于IRIV的特征变量提取方法/ 133
5.7.3CARS与IRIV的特征变量提取结果分析/ 135
5.8基于模型集群分析方法的小麦水分建模方法研究/ 137
5.8.1不同模型集群方法的小麦水分建模结果/ 137
5.8.2不同建模方法的建模结果分析/ 141

第6章基于模型集群分析思想的小麦蛋白质的近红外光谱定量分析/ 143
6.1基于模型集群分析思想的变量选择方法/ 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麦蛋白质建模方法研究/ 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结果分析/ 174

参考文献/ 177

无