1. 研究目的与意义
simca(soft independent modeling of class analogy)方法是一种有监督模式识别方法，又称为簇类的独立软模型，意为各类样本独立地建立局部软模型。
simca是一种建立在主成分分析(principal component analysis, pca)基础上的模式识别方法。
由于在实际应用中近红外光谱吸收波段较宽，但不一定都对分类有贡献，本文结合simca算法，研究不同波段对纸浆材分类结果的影响，以便于以较少的吸收波长建立最佳分类模型，以期为快速无损鉴别纸浆材种类提供一种准确可靠的方法。
2. 国内外研究现状分析
近红外光谱(near-infrared spectra, nirs)根据astm定义是指波长在780~2 526 nm的电磁波,是人们最早发现的非可见光区域。
在化学计量学的推动下,近红外光谱分析技术在定量分析和模式识别两个方面均得到了快速的发展。
目前近红外模式识别已经被广泛应用到农业、医药、食品分析、石油等领域,成为20世纪90年代以来发展速度最快的光谱分析技术。
3. 研究的基本内容与计划
1.研究内容：
了解近红外（near infrared, nir）光谱的特点、应用，熟悉了解纸浆材的种类及其对制浆造纸行业质量监控的意义，了解模式识别的一般概念、基本步骤及常用方法，掌握近红外光谱分析中的一般数据预处理技术，定量分析的建模技术，重点掌握主成分分析(pca)及simca模型的基本原理；利用matlab平台和已有的算法程序软件，对不同纸浆材的近红外光谱进行处理，建立定性判别分类模型，研究比较不同光谱吸收区域对分类判别结果的影响。
2.研究计划：
4. 研究创新点
近年来，近红外光谱结合SIMCA方法正被用于识别或检测食品、药品和农产品等研究中，因此，本研究尝试利用近红外光谱分析结合SIMCA模式识别方法，利用Matlab平台和已有的算法程序软件，对不同纸浆材的近红外光谱进行处理，建立定性判别分类模型，研究比较不同光谱吸收区域对分类判别结果的影响。
