| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内研究现状 | 第11-13页 |
| 1.3 本文主要内容 | 第13-14页 |
| 第二章 多尺度二维相关拉曼理论基础 | 第14-28页 |
| 2.1 拉曼光谱技术 | 第14-15页 |
| 2.1.1 拉曼光谱的发展历史 | 第14页 |
| 2.1.2 拉曼光谱的分析技术理论 | 第14-15页 |
| 2.1.3 拉曼光谱的应用 | 第15页 |
| 2.2 二维相关光谱技术 | 第15-22页 |
| 2.2.1 二维相关光谱的发展历史 | 第15-16页 |
| 2.2.2 二维相关光谱分析技术理论 | 第16-22页 |
| 2.3 多尺度建模技术 | 第22-25页 |
| 2.3.1 多尺度建模技术的发展历史 | 第22-23页 |
| 2.3.2 多尺度建模技术理论基础 | 第23-24页 |
| 2.3.3 多尺度建模技术的应用 | 第24-25页 |
| 2.4 多尺度二维相关拉曼技术 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 多尺度二维相关拉曼中的化学计量学方法 | 第28-35页 |
| 3.1 化学计量学概述 | 第28页 |
| 3.2 常用光谱预处理方法 | 第28-29页 |
| 3.2.1 平滑滤波方法 | 第28页 |
| 3.2.2 归一化与标准正态变换 | 第28-29页 |
| 3.2.3 基线校正方法 | 第29页 |
| 3.3 化学计量学中定性分析算法 | 第29-31页 |
| 3.3.1 主成分分析 | 第29页 |
| 3.3.2 支持向量机 | 第29-30页 |
| 3.3.3 线性判别分析 | 第30页 |
| 3.3.4 神经网络 | 第30页 |
| 3.3.5 偏最小二乘判别分析 | 第30-31页 |
| 3.4 化学计量学中定量分析算法 | 第31页 |
| 3.4.1 偏最小二乘基本原理 | 第31页 |
| 3.4.2 多维偏最小二乘法 | 第31页 |
| 3.5 多尺度建模分析 | 第31-34页 |
| 3.6 模型评价参数 | 第34-35页 |
| 第四章 多尺度二维相关拉曼测定葵花籽、大豆油掺杂橄榄油的定性分析 | 第35-47页 |
| 4.1 引言 | 第35页 |
| 4.2 实验样品 | 第35页 |
| 4.3 实验仪器 | 第35-36页 |
| 4.4 实验方法 | 第36-37页 |
| 4.5 光谱预处理 | 第37-41页 |
| 4.6 定性分析模型建立 | 第41-46页 |
| 4.6.1 样本主成分分析 | 第41页 |
| 4.6.2 SVM橄榄油掺杂模型 | 第41-43页 |
| 4.6.3 LDA橄榄油掺杂模型 | 第43页 |
| 4.6.4 BP橄榄油掺杂模型 | 第43-44页 |
| 4.6.5 PLSDA橄榄油掺杂模型 | 第44-45页 |
| 4.6.6 NPLSDA橄榄油掺杂模型 | 第45页 |
| 4.6.7 MM-NPLSDA橄榄油掺杂模型 | 第45-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第五章 多尺度二维相关拉曼测定葵花籽、大豆油掺杂橄榄油的定量分析 | 第47-54页 |
| 5.1 引言 | 第47页 |
| 5.2 实验方法 | 第47-48页 |
| 5.3 定量分析模型建立 | 第48-53页 |
| 5.3.1 PLSDA橄榄油掺杂模型 | 第48-50页 |
| 5.3.2 NPLSDA橄榄油掺杂模型 | 第50-51页 |
| 5.3.3 MM-NPLSDA橄榄油掺杂模型 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-57页 |
| 6.1 研究工作总结 | 第54-55页 |
| 6.2 本文主要创新点 | 第55页 |
| 6.3 工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 发表论文和参加科研情况说明 | 第61-62页 |
| 致谢 | 第62-63页 |