摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第一章 绪论 | 第13-21页 |
·中国茶叶的行业现状 | 第13-14页 |
·茶叶的常规检测方法 | 第14页 |
·茶叶品质的近红外光谱检测技术 | 第14-19页 |
·近红外光谱技术简介 | 第14-15页 |
·近红外光谱检测茶叶有效成分的基本原理 | 第15-17页 |
·近红外光谱定量分析的统计分析方法 | 第17-18页 |
·国内外研究现状 | 第18-19页 |
·本研究的目的和主要内容 | 第19-20页 |
·本研究的主要目的 | 第19页 |
·本研究的主要内容 | 第19-20页 |
·本章小结 | 第20-21页 |
第二章 近红外光谱法定量分析茶叶中的有效成分 | 第21-53页 |
·引言 | 第21-22页 |
·茶叶近红外光谱的采集与预处理 | 第22-27页 |
·茶叶近红外光谱的采集 | 第22-23页 |
·茶叶光谱的预处理 | 第23-27页 |
·茶叶有效成分的理化分析 | 第27-32页 |
·实验材料与仪器 | 第28页 |
·游离氨基酸总量的测定 | 第28-29页 |
·茶多酚测定 | 第29页 |
·咖啡因和儿茶素单体的测定 | 第29-31页 |
·总抗氧化能力的测定 | 第31-32页 |
·茶叶有效成分的NIR定量分析 | 第32-51页 |
·游离氨基酸和茶多酚的定量分析模型 | 第33-39页 |
·咖啡因和儿茶素的定量分析模型 | 第39-49页 |
·茶叶总抗氧化性能的评价模型 | 第49-51页 |
·本章小结 | 第51-53页 |
第三章 特征谱区筛选在近红外光谱检测茶叶有效成分中的应用 | 第53-74页 |
·引言 | 第53-54页 |
·区间偏最小二乘法 | 第54-56页 |
·常规区间偏最小二乘法 | 第54页 |
·联合区间偏最小二乘法 | 第54-55页 |
·向后区间偏最小二乘法 | 第55-56页 |
·区间偏最小二乘法在茶叶氨基酸含量近红外光谱检测中的应用 | 第56-66页 |
·常规区间偏最小二乘模型 | 第56-60页 |
·联合区间偏最小二乘模型 | 第60-64页 |
·向后区间偏最小二乘模型 | 第64-66页 |
·遗传偏最小二乘方法 | 第66-72页 |
·遗传偏最小二乘法的原理和实现 | 第66-69页 |
·GA-PLS用于筛选茶叶氨基酸含量的近红外特征波长 | 第69-72页 |
·特征谱区筛选方法的比较 | 第72-73页 |
·小结 | 第73-74页 |
第四章 茶叶有效成分近红外光谱分析模型的简化 | 第74-88页 |
·引言 | 第74页 |
·净分析物预处理法 | 第74-81页 |
·净分析物预处理法算法实现 | 第75-76页 |
·茶叶近红外光谱的净分析物预处理及偏最小二乘回归 | 第76-81页 |
·正交信号校正法 | 第81-86页 |
·正交信号校正法的实现 | 第81-83页 |
·茶叶近红外光谱的正交信号校正及偏最小二乘分析 | 第83-86页 |
·NAP与OSC的比较 | 第86-87页 |
·本章小结 | 第87-88页 |
第五章 人工神经网络和支持向量机在茶叶有效成分检测中的应用研究 | 第88-104页 |
·引言 | 第88页 |
·茶叶近红外光谱的主成分分析 | 第88-89页 |
·近红外光谱评价茶叶总抗氧化性能的神经网络模型 | 第89-96页 |
·BP神经网络在近红外评价茶叶总抗氧化性能的应用 | 第90-93页 |
·径向基神经网络在近红外评价茶叶抗氧化性能的应用 | 第93-96页 |
·近红外光谱评价茶叶抗氧化性能的支持向量回归模型 | 第96-101页 |
·支持向量机回归原理 | 第96-98页 |
·最小二乘支持向量机 | 第98-99页 |
·LS-SVM回归模型 | 第99-101页 |
·非线性模型的分析与讨论 | 第101-102页 |
·本章小结 | 第102-104页 |
第六章 结论与展望 | 第104-108页 |
·论文的主要结论 | 第104-106页 |
·研究展望 | 第106-108页 |
致谢 | 第108-109页 |
参考文献 | 第109-115页 |
在研期间发表的论文 | 第115页 |
在读硕士期间申请的专利 | 第115-116页 |
在读硕士期间参加的课题 | 第116页 |
在读硕士期间获得的个人荣誉 | 第116-117页 |
附录 | 第117-121页 |