| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-21页 |
| 1.1 引言 | 第10-11页 |
| 1.2 食用油品质分析方法 | 第11-15页 |
| 1.2.1 常用的化学分析方法 | 第11-13页 |
| 1.2.2 常用的化学计量学方法 | 第13-15页 |
| 1.3 食用油分析的红外光谱检测技术 | 第15-17页 |
| 1.3.1 傅里叶变换红外光谱原理介绍 | 第15-16页 |
| 1.3.2 傅里叶变换红外光谱技术特点 | 第16页 |
| 1.3.3 傅里叶变换红外光谱在食用油分析方面的应用 | 第16-17页 |
| 1.4 本论文研究内容 | 第17-18页 |
| 参考文献 | 第18-21页 |
| 2 基于混合粒子群优化算法的 K 均值聚类对食用油 FT-IR 光谱的分类研究 | 第21-32页 |
| 2.1 引言 | 第21-22页 |
| 2.2 计算方法 | 第22-25页 |
| 2.2.1 K 均值聚类算法 | 第22页 |
| 2.2.2 粒子群优化 | 第22-23页 |
| 2.2.3 混合粒子群优化算法优化 K 均值聚类算法 | 第23-24页 |
| 2.2.4 适应度函数 | 第24-25页 |
| 2.3 实验部分 | 第25页 |
| 2.3.1 样本 | 第25页 |
| 2.3.2 仪器 | 第25页 |
| 2.4 结果与讨论 | 第25-30页 |
| 参考文献 | 第30-32页 |
| 3 傅里叶变换红外（FT-IR）光谱和改进的高斯混合模型用于花生油 品质与掺杂量分析 | 第32-43页 |
| 3.1 引言 | 第32-33页 |
| 3.2 方法 | 第33-35页 |
| 3.2.1 高斯混合模型（GMM） | 第33-34页 |
| 3.2.2 高斯混合回归（GMR） | 第34页 |
| 3.2.3 改进的高斯混合模型（GMM）和高斯混合回归(GMR) | 第34-35页 |
| 3.3 实验部分 | 第35-36页 |
| 3.3.1 样本 | 第35页 |
| 3.3.2 仪器和软件 | 第35-36页 |
| 3.4 结果与讨论 | 第36-41页 |
| 3.4.1 纯花生油样本和掺杂油样本的 FT-IR 光谱 | 第36页 |
| 3.4.2 分类 | 第36-38页 |
| 3.4.3 定量 | 第38-41页 |
| 3.5 结论 | 第41页 |
| 参考文献 | 第41-43页 |
| 4 基于人工蜂群算法改进的高斯混合模型和高斯混合回归用于掺杂 橄榄油的分类和定量分析 | 第43-52页 |
| 4.1 引言 | 第43-44页 |
| 4.2 方法 | 第44-46页 |
| 4.2.1 高斯混合模型和高斯混合回归 | 第44页 |
| 4.2.2 人工蜂群算法 | 第44-45页 |
| 4.2.3 利用人工蜂群算法改进高斯混合模型和高斯混合回归 | 第45-46页 |
| 4.3 实验部分 | 第46页 |
| 4.3.1 样本 | 第46页 |
| 4.3.2 仪器和软件 | 第46页 |
| 4.4 结果与讨论 | 第46-50页 |
| 4.4.1 分类 | 第46-48页 |
| 4.4.2 定量 | 第48-50页 |
| 4.5 结论 | 第50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第53页 |
