| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-24页 |
| ·研究背景 | 第13-14页 |
| ·信息技术在中药研究中的应用 | 第14-19页 |
| ·人工神经网络技术 | 第15-16页 |
| ·多元统计技术 | 第16-17页 |
| ·模式识别技术 | 第17-18页 |
| ·数字信号处理技术 | 第18-19页 |
| ·高效液相色谱法简介 | 第19-23页 |
| ·高效液相色谱法的原理和特点 | 第19-20页 |
| ·高效液相色谱仪的组成 | 第20-21页 |
| ·色谱图中相关术语的说明 | 第21-22页 |
| ·高效液相色谱法在中药研究中的应用 | 第22-23页 |
| ·本文主要研究内容 | 第23-24页 |
| 第二章 色谱数据的预处理 | 第24-38页 |
| ·小波变换基本原理 | 第24-26页 |
| ·小波变换的定义和特点 | 第24-25页 |
| ·小波变换的多尺度分解 | 第25-26页 |
| ·色谱信号的降噪 | 第26-33页 |
| ·基本降噪模型 | 第26-28页 |
| ·小波降噪的基本原理 | 第28页 |
| ·小波平滑降噪（掩码算子的作用） | 第28-30页 |
| ·小波阈值降噪（阈值算子的作用） | 第30-32页 |
| ·谱图叠加法降噪 | 第32-33页 |
| ·色谱信号的基线校正 | 第33-35页 |
| ·色谱信号的数据压缩 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第三章 色谱重叠峰的解析 | 第38-51页 |
| ·实现重叠峰解析的基本原理 | 第38-39页 |
| ·小波变换用于谱峰特征信息的提取 | 第39-43页 |
| ·信号的奇异性检测原理 | 第39-41页 |
| ·色谱信号的特征点提取 | 第41-43页 |
| ·重叠峰的RBF 解析模型 | 第43-47页 |
| ·RBF 神经网络的结构 | 第43-45页 |
| ·RBF 网络的梯度下降法训练公式推导 | 第45-46页 |
| ·RBF 神经网络的学习算法 | 第46-47页 |
| ·重叠峰解析实验 | 第47-50页 |
| ·模拟重叠峰的解析 | 第47-49页 |
| ·实验重叠峰的解析 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第四章 基于色谱数据的中药产地鉴别 | 第51-66页 |
| ·现有中药模式识别方法的研究 | 第51-55页 |
| ·主成分分析法在青藏高原红景天药材产地鉴别中的应用 | 第51-53页 |
| ·二维灰度图在在青藏高原红景天药材产地鉴别中的应用 | 第53-54页 |
| ·相似度分析在青藏高原红景天药材产地鉴别中的应用 | 第54-55页 |
| ·经典SOM 网络模型 | 第55-58页 |
| ·经典SOM 网络结构 | 第55-57页 |
| ·经典SOM 网络学习算法 | 第57-58页 |
| ·竞争层结构可调的SOM 网络模型 | 第58-61页 |
| ·竞争层结构可调的SOM 算法(CSA-SOM 算法) | 第58-60页 |
| ·CSA-SOM 算法分析 | 第60-61页 |
| ·CSA-SOM 算法在中药模式识别中的应用 | 第61-65页 |
| ·CSA-SOM 算法在模拟数据上的测试 | 第61-62页 |
| ·CSA-SOM 算法在青藏高原红景天药材产地鉴别中的应用 | 第62-65页 |
| ·小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 在学期间的研究成果及发表的学术论文 | 第72页 |
