| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 引言 | 第15页 |
| 1.2 现代光谱分析技术 | 第15-19页 |
| 1.2.1 红外光谱简介 | 第15-17页 |
| 1.2.2 光谱分析及其化学计量学 | 第17-19页 |
| 1.2.2.1 光谱数据预处理 | 第18页 |
| 1.2.2.2 校正模型的建立 | 第18-19页 |
| 1.3 国内外研究现状 | 第19-21页 |
| 1.3.1 SIMCA模式识别方法的发展 | 第19-20页 |
| 1.3.2 红外光谱在食用油领域中的应用 | 第20-21页 |
| 1.4 课题的研究意义和主要研究内容 | 第21-22页 |
| 1.4.1 一种新型光谱多元分析模式识别方法 | 第21-22页 |
| 1.4.2 基于红外光谱的食用油快速鉴别 | 第22页 |
| 1.5 本文主要内容和结构 | 第22-25页 |
| 第二章 算法理论基础 | 第25-33页 |
| 2.1 引言 | 第25页 |
| 2.2 光谱数据预处理 | 第25-27页 |
| 2.2.1 均值中心化 | 第25页 |
| 2.2.2 Savitzky-Golay平滑法 | 第25-27页 |
| 2.3 常用分类方法 | 第27-31页 |
| 2.3.1 马氏距离 | 第27-28页 |
| 2.3.2 SIMCA方法 | 第28-29页 |
| 2.3.3 SVDD算法 | 第29-31页 |
| 2.4 小结 | 第31-33页 |
| 第三章 一种新型光谱多元分析模式识别方法 | 第33-43页 |
| 3.1 引言 | 第33-34页 |
| 3.2 算法改进 | 第34页 |
| 3.3 算法验证与实验 | 第34-36页 |
| 3.3.1 皮毛样本近红外光谱采集 | 第34-35页 |
| 3.3.2 食用油红外光谱采集 | 第35页 |
| 3.3.3 数据处理软件 | 第35页 |
| 3.3.4 数据预处理 | 第35页 |
| 3.3.5 模型建立 | 第35-36页 |
| 3.4 结果与讨论 | 第36-42页 |
| 3.4.1 马氏距离与欧式距离分类结果的比较 | 第36-37页 |
| 3.4.2 皮毛样本的分类 | 第37-40页 |
| 3.4.3 食用油的分类 | 第40-42页 |
| 3.5 小结 | 第42-43页 |
| 第四章 基于红外光谱的食用油快速鉴别 | 第43-55页 |
| 4.1 引言 | 第43页 |
| 4.2 算法与原理 | 第43-44页 |
| 4.3 算法验证与实验 | 第44-48页 |
| 4.3.1 实验仪器 | 第44页 |
| 4.3.2 食用油样本 | 第44-45页 |
| 4.3.3 调和油样本 | 第45-46页 |
| 4.3.4 处理软件 | 第46页 |
| 4.3.5 数据预处理 | 第46-47页 |
| 4.3.6 数据集的分集 | 第47-48页 |
| 4.3.7 校正模型的建立 | 第48页 |
| 4.3.8 模型的评价 | 第48页 |
| 4.4 结果与讨论 | 第48-54页 |
| 4.4.1 SIMCA与SVDD方法 | 第48-51页 |
| 4.4.2 食用油分类 | 第51-52页 |
| 4.4.3 调和油分类 | 第52-54页 |
| 4.5 小结 | 第54-55页 |
| 第五章 化学计量学算法研究及药品近红外化学计量学软件 | 第55-69页 |
| 5.1 引言 | 第55页 |
| 5.2 软件简介 | 第55-56页 |
| 5.3 操作说明 | 第56-68页 |
| 5.4 小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 研究成果及发表的学术论文 | 第77-79页 |
| 作者简介 | 第79-81页 |
| 附件 | 第81-82页 |