摘要 | 第1-5页 |
Abstract | 第5-9页 |
第一章 绪论 | 第9-25页 |
1 引言 | 第9页 |
2 中药产业的发展状况 | 第9页 |
3 中药质量控制 | 第9-12页 |
·影响中药质量的因素 | 第10-11页 |
·中药的定性鉴别 | 第11页 |
·中药质量控制存在的问题及解决方法 | 第11-12页 |
4 中药质量控制手段 | 第12-17页 |
·中药指纹图谱技术 | 第12页 |
·中药指纹图谱的概念、原理及特点 | 第12页 |
·构建中药指纹图谱的必要性和意义 | 第12页 |
·中药指纹图谱的构建方法 | 第12-17页 |
5 指纹图谱用于质量控制的不足之处 | 第17页 |
6 化学计量学方法在中药指纹图谱及其质量控制中的应用 | 第17-19页 |
7 指纹图谱用于中药质量控制的发展前景 | 第19页 |
参考文献 | 第19-25页 |
第二章 高效液相色谱结合化学计量学方法用于鉴别区分生大黄及其炮制品 | 第25-33页 |
1 引言 | 第25页 |
2 理论和方法 | 第25-27页 |
·主成分分析(PCA) | 第25页 |
·K最近邻法(KNN) | 第25-26页 |
·线性判别法(LDA) | 第26页 |
·最小二乘—支持向量机(LS-SVM) | 第26-27页 |
3 实验部分 | 第27页 |
·实验材料和试剂 | 第27页 |
·样品溶液准备 | 第27页 |
·仪器和色谱条件 | 第27页 |
·数据分析 | 第27页 |
4 结果和讨论 | 第27-30页 |
·大黄指纹图谱及其特征峰的确定 | 第27-28页 |
·液相色谱-质谱联用确定特征峰 | 第28-29页 |
·主成分分析色谱数据 | 第29页 |
·90个大黄样品的有监督模式识别结果 | 第29-30页 |
5 结论 | 第30页 |
参考文献 | 第30-33页 |
第三章 近红外光谱结合化学计量学方法鉴别区分南北板蓝根 | 第33-43页 |
1 引言 | 第33页 |
2 实验部分 | 第33-35页 |
·收集和处理板蓝根样品 | 第33-34页 |
·光谱扫描 | 第34页 |
·化学计量学方法 | 第34-35页 |
3 结果和讨论 | 第35-40页 |
·主成分分析近红外数据 | 第35-36页 |
·波长选择 | 第36-38页 |
·模式识别结果 | 第38-39页 |
·板蓝根样品组成分析 | 第39-40页 |
4 结论 | 第40页 |
参考文献 | 第40-43页 |
第四章 高效液相色谱法结合化学计量学方法鉴别道地性药材广陈皮和陈皮 | 第43-48页 |
1 前言 | 第43页 |
2 化学计量学方法 | 第43-44页 |
·主成分分析(PCA) | 第43页 |
·最小二乘法(PLS) | 第43页 |
·人工神经网络(ANN) | 第43-44页 |
·最小二乘—支持向量机(LS-SVM) | 第44页 |
3 实验部分 | 第44页 |
·实验仪器与试剂 | 第44页 |
·样品收集与处理 | 第44页 |
·制备待测样品溶液 | 第44页 |
·色谱条件 | 第44页 |
4 结果与讨论 | 第44-46页 |
·广陈皮与陈皮样品指纹图谱的建立 | 第44-45页 |
·主成分分析结果 | 第45页 |
·偏最小二乘(PLS)、人工神经网络(ANN)和最小二乘—支持向量机(LS-SVM)分析结果 | 第45-46页 |
5 结论 | 第46页 |
参考文献 | 第46-48页 |
第五章 光谱法和色谱法结合化学计量学方法鉴别中药陈皮和青皮 | 第48-56页 |
1 前言 | 第48页 |
2 化学计量学方法 | 第48-49页 |
·主成分分析(PCA) | 第48页 |
·偏最小二乘法(PLS) | 第48页 |
·最小二乘—支持向量机(LS-SVM) | 第48-49页 |
·连续投影算法(SPA) | 第49页 |
·基于x-y距离结合的样本划分方法(SPXY) | 第49页 |
3 实验部分 | 第49-50页 |
·实验样品及处理 | 第49页 |
·实验仪器及试剂 | 第49页 |
·高效液相色谱样品处理及色谱条件 | 第49页 |
·NIR光谱扫描条件 | 第49-50页 |
4 数据处理和讨论 | 第50-54页 |
·主成分分析 | 第50-51页 |
·近红外光谱数据变量选择 | 第51-52页 |
·有监督模式识别方法分析 | 第52-53页 |
·SPXY择优化训练集样本用于有监督模式识别方法分析 | 第53-54页 |
5 结论 | 第54页 |
参考文献 | 第54-56页 |
攻读学位期间的研究成果 | 第56-57页 |
致谢 | 第57页 |