基于RBF神经网络的重叠峰解析
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-11页 |
| ·研究意义 | 第8页 |
| ·研究现状 | 第8-10页 |
| ·本文主要工作内容 | 第10-11页 |
| 第2章 光谱重叠峰解析现状 | 第11-16页 |
| ·光谱及光谱重叠峰 | 第11-12页 |
| ·数据平滑 | 第12-13页 |
| ·邻近点比较法 | 第12页 |
| ·移动平均法 | 第12-13页 |
| ·基线校正 | 第13-14页 |
| ·曲线拟合 | 第13页 |
| ·小波变换 | 第13页 |
| ·高通滤波 | 第13页 |
| ·扣除基底求净全能峰 | 第13-14页 |
| ·重叠峰分离方法 | 第14-15页 |
| ·傅里叶去卷积(FSD)法 | 第14页 |
| ·小波分析法 | 第14页 |
| ·人工神经网络法 | 第14-15页 |
| ·曲线拟合法 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第3章 人工神经网络 | 第16-29页 |
| ·神经网络概述 | 第16-20页 |
| ·生物神经元模型 | 第16-17页 |
| ·人工神经元模型 | 第17-19页 |
| ·神经网络的发展 | 第19-20页 |
| ·RBF神经网络 | 第20-24页 |
| ·RBF网络的结构 | 第20-21页 |
| ·RBF网络的函数逼近理论 | 第21-22页 |
| ·RBF神经网络的优点及问题 | 第22-23页 |
| ·RBF神经网络的研究与应用 | 第23-24页 |
| ·RBF-OLS神经网络 | 第24-26页 |
| ·RBF-OLS神经网络实例验证 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第4章 重叠峰解析 | 第29-56页 |
| ·光谱重叠峰的数学描述 | 第29页 |
| ·基线校正 | 第29-32页 |
| ·非对称最小二乘算法 | 第29-30页 |
| ·改进的非对称最小二乘算法 | 第30-32页 |
| ·高斯拟合求峰面积法的基本原理 | 第32-33页 |
| ·单峰曲线拟合分析方法 | 第32页 |
| ·重峰的分析方法 | 第32-33页 |
| ·曲线拟合算法介绍 | 第33-36页 |
| ·曲线拟合算法模型 | 第33-34页 |
| ·曲线拟合初始参数确定 | 第34-36页 |
| ·重叠峰解析实例验证 | 第36-55页 |
| ·单高斯峰模型 | 第36-38页 |
| ·双高斯峰模型 | 第38-41页 |
| ·基线重叠峰模型 | 第41-46页 |
| ·多高斯重叠峰模型 | 第46-52页 |
| ·RBF-OLS算法对重叠峰解析的影响 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
