摘要 | 第1-5页 |
ABSTRACT | 第5-11页 |
引言 | 第11-12页 |
第一章 文献综述 | 第12-23页 |
·人工神经网络 | 第12-16页 |
·非线性校正 | 第12-14页 |
·定量构效关系 | 第14页 |
·化学模式识别 | 第14-15页 |
·神经网络和其它化学计量学方法的结合应用 | 第15-16页 |
·小波分析 | 第16-18页 |
·平滑滤噪 | 第16-17页 |
·数据压缩与校正 | 第17页 |
·奇异性检测-信号分形分析 | 第17-18页 |
·遗传算法 | 第18-21页 |
·光谱模拟和光谱解析 | 第18-19页 |
·优化处理 | 第19-20页 |
·构效分析 | 第20页 |
·结构与药物分析 | 第20-21页 |
·与其它算法的结合 | 第21页 |
·蚁群算法 | 第21-23页 |
第二章 算法理论 | 第23-48页 |
·神经网络 | 第23-28页 |
·误差反传神经网络(BP-ANN)模型的理论分析 | 第23-25页 |
·BP训练算法的实现步骤 | 第25-26页 |
·附加冲量项 | 第26页 |
·改进传递函数 | 第26-27页 |
·网络结构的优化 | 第27页 |
·其它 | 第27-28页 |
·小波变换 | 第28-33页 |
·连续小波变换 | 第28页 |
·离散小波变换 | 第28页 |
·Daubechies小波 | 第28-31页 |
·小波分析用于信号消噪处理 | 第31-32页 |
·小波消噪中阈值的选取规则 | 第32页 |
·小波神经网络 | 第32-33页 |
·遗传算法 | 第33-41页 |
·编码 | 第33-34页 |
·初始群体的设定 | 第34-35页 |
·个体适应度评价函数 | 第35页 |
·遗传算子 | 第35-39页 |
·终止条件 | 第39页 |
·遗传算法的运行参数 | 第39-40页 |
·遗传算法的运算步骤 | 第40页 |
·遗传神经网络 | 第40-41页 |
·蚁群算法 | 第41-48页 |
·蚁群算法的生物学原理 | 第42-43页 |
·算法模型及其流程 | 第43-45页 |
·算法参数设置 | 第45页 |
·蚁群算法和神经网络 | 第45-48页 |
第三章 遗传神经网络—分光光度法同时测定钨、钼和钛 | 第48-54页 |
·引言 | 第48页 |
·方法原理 | 第48-49页 |
·实验部分 | 第49-50页 |
·主要仪器和试剂 | 第49-50页 |
·实验方法 | 第50页 |
·结果与讨论 | 第50-54页 |
·吸收光谱 | 第50页 |
·两种重叠光谱解析方法 | 第50-51页 |
·显色条件 | 第51-52页 |
·线性范围及灵敏度 | 第52页 |
·共存离子的影响 | 第52页 |
·样品分析 | 第52-54页 |
第四章 蚁群神经网络分光光度法同时测定钨、钼和锑 | 第54-60页 |
·引言 | 第54页 |
·方法原理 | 第54页 |
·实验部分 | 第54-55页 |
·主要仪器和试剂 | 第54-55页 |
·实验方法 | 第55页 |
·结果与讨论 | 第55-60页 |
·吸收光谱 | 第55页 |
·显色条件 | 第55-56页 |
·线性范围及灵敏度 | 第56页 |
·共存离子的影响 | 第56-57页 |
·db2小波变换实验数据进行特征提取 | 第57页 |
·小波变换最佳级数的确定 | 第57-58页 |
·适应度函数和参数选择 | 第58页 |
·样品分析 | 第58-59页 |
·钢样分析 | 第59-60页 |
第五章 小波变换用于ICP-AES重叠光谱的校正和分离 | 第60-67页 |
·引言 | 第60页 |
·基本理论 | 第60-62页 |
·小波变换扣除背景原理 | 第60-61页 |
·二阶样条小波卷积分峰原理 | 第61-62页 |
·实验部分 | 第62-63页 |
·仪器 | 第62-63页 |
·实验方法 | 第63页 |
·结果与讨论 | 第63-67页 |
·小波变换对光谱信号的去噪和重建 | 第63-64页 |
·小波变换对光谱信号的背景校正 | 第64页 |
·重叠光谱信号的分离 | 第64-65页 |
·钢样的测定 | 第65-67页 |
结论 | 第67-69页 |
参考文献 | 第69-78页 |
致谢 | 第78-79页 |
攻读学位期间发表的学术论文 | 第79页 |