| 第一部分 文献综述 | 第1-44页 |
| 第一章 人工神经网络方法在色谱及毛细管电泳中的应用研究现状 | 第25-37页 |
| 1. 前言 | 第25-27页 |
| 2. 神经网络方法对色谱或毛细管电泳中的保留或迁移行为的模型化研究 | 第27-31页 |
| 3. 神经网络方法对色谱或毛细管电泳分离分析过程的优化及模型化 | 第31-33页 |
| 4. 神经网络方法对色谱或毛细管电泳分离分析过程中的重叠峰的定量分析 | 第33-34页 |
| 5. 神经网络方法对色谱或毛细管电泳分离分析过程中的模式识别研究 | 第34-35页 |
| 6. 神经网络方法在色谱或毛细管电泳分离分析过程中的其它应用 | 第35页 |
| 7. 本研究工作的主要内容及解决的问题 | 第35-37页 |
| 参考文献 | 第37-44页 |
| 第二部分 理论部分 | 第44-55页 |
| 第二章 本文所涉及的化学计量学方法概述 | 第44-55页 |
| 1. 人工神经网络方法 | 第44-49页 |
| ·基于误差反相传输训练方法的多层感知器人工神经网络方法 | 第44-46页 |
| ·基于共轭梯度下降训练方法的多层感知器人工神经网络方法 | 第46-47页 |
| ·径向基函数神经网络 | 第47-48页 |
| ·通用回归神经网络模型 | 第48-49页 |
| ·线性神经元网络 | 第49页 |
| 2. 主成分分析方法 | 第49-50页 |
| 3. 遗传算法 | 第50-51页 |
| 4. 回归分析 | 第51页 |
| ·前向回归分析 | 第51页 |
| ·后向回归分析 | 第51页 |
| ·逐步回归分析 | 第51页 |
| 5. 新型拓扑指数的计算 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 第三部分 毛细管电泳和色谱中迁移或保留行为的模型化研究 | 第55-91页 |
| 第三章 神经网络与实验设计相结合用于毛细管区带电泳中的电渗流与相关分离参数之间的模型化研究 | 第55-72页 |
| 1. 引言 | 第55-57页 |
| 2. 实验部分 | 第57-59页 |
| ·试剂与缓冲溶液 | 第57页 |
| ·仪器 | 第57-58页 |
| ·数据处理 | 第58-59页 |
| 3. 结果与讨论 | 第59-68页 |
| ·在相同操作条件下的电渗流模型 | 第59-63页 |
| ·通过相应操作参数借助神经元网络方法预测电渗流标记物的迁移时间 | 第59-61页 |
| ·通过主成分分析前处理的相应操作参数借助神经元网络方法预测电渗流标记物的迁移时间 | 第61-62页 |
| ·通过主成分分析前处理加入标准正态分布随机噪声的相应操作参数借助神经网络预测电渗流标记物的迁移时间 | 第62-63页 |
| ·在不同操作条件下的电渗流模型 | 第63-65页 |
| ·通过相应操作参数借助神经元网络方法预测电渗流标记物的迁移时间 | 第64页 |
| ·通过主成分分析前处理的相应操作参数借助神经元网络方法预测电渗流标记物的迁移 | 第64页 |
| ·通过主成分分析前处理加入标准正态分布随机噪声的相应操作参数借助神经网络预测电渗流标记物的迁移间 | 第64-65页 |
| ·在其它实验条件下对电渗流标记物的迁移时间进行预测 | 第65-68页 |
| 4. 结论 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 第四章 人工神经网络方法用于拓扑指数Am与烃类化合物气相色谱保留指数的相关性研究 | 第72-91页 |
| 1. 引言 | 第72-73页 |
| 2. 实验部分 | 第73-76页 |
| 3. 结果与讨论 | 第76-86页 |
| ·分子拓扑指数的计算 | 第76页 |
| ·输入变量的选择 | 第76页 |
| ·正十八烷固定相 | 第76-82页 |
| ·1-十八烷基氯固定相 | 第82-84页 |
| ·1-十八烷基醇固定相 | 第84-86页 |
| 4. 已建立的神经网络模型预测能力的考察 | 第86-87页 |
| 5. 结论 | 第87-88页 |
| 参考文献 | 第88-91页 |
| 第四部分 毛细管电泳重叠峰中相关组分的定量分析研究 | 第91-148页 |
| 第五章 基于不同人工神经网络方法的毛细管电泳重叠峰中相关组分的定量分析:比较研究 | 第91-100页 |
| 1. 引言 | 第91-92页 |
| 2. 实验部分 | 第92-93页 |
| ·试剂 | 第92页 |
| ·仪器和实验条件 | 第92页 |
| ·软件和数据处理 | 第92-93页 |
| 3. 结果与讨论 | 第93-98页 |
| 4. 结论 | 第98页 |
| 参考文献 | 第98-100页 |
| 第六章 基于遗传算法输入变量选择的神经网络方法用于毛细管电泳重叠峰中相关组分的定量析 | 第100-123页 |
| 1. 引言 | 第100-101页 |
| 2. 输入变量选择策略 | 第101-103页 |
| 3. 实验部分 | 第103-105页 |
| ·试剂 | 第103-104页 |
| ·仪器和实验条件 | 第104页 |
| ·软件和数据处理 | 第104-105页 |
| 4. 结果与讨论 | 第105-118页 |
| ·完全重叠电泳峰中磷酸氯喹和盐酸异丙嗪混合物的定量分析 | 第105-113页 |
| ·由一个原始混合溶液逐步稀释而得的混合溶液系列的浓度计算 | 第106-110页 |
| ·通过光谱对二元混合物进行分析 | 第106-109页 |
| ·通过电泳图对二元混合物进行分析 | 第109-110页 |
| ·具有相同加和浓度的混合溶液系列的浓度计算 | 第110-113页 |
| ·通过光谱对二元混合物进行分析 | 第111页 |
| ·通过电泳图对二元混合物进行分析 | 第111-113页 |
| ·部分重叠电泳峰中地巴佐和维生素B1混合物的定量分析 | 第113-118页 |
| 5. 实验样本中的浓度预测 | 第118-119页 |
| 6. 结论 | 第119-120页 |
| 参考文献 | 第120-123页 |
| 第七章 基于主成分分析输入变量选择的人工神经网络方法用于毛细管电泳重叠峰中相关组分的定量分析 | 第123-148页 |
| 1. 引言 | 第123-125页 |
| 2. 主成分分析输入选择程序 | 第125-126页 |
| 3. 实验部分 | 第126-127页 |
| ·试剂 | 第126-127页 |
| ·仪器和实验条件 | 第127页 |
| ·软件和数据处理 | 第127页 |
| 4. 结果与讨论 | 第127-143页 |
| ·完全重叠电泳峰中磷酸氯喹和盐酸异丙嗪混合物的定量分析 | 第128-138页 |
| ·由一个原始混合溶液逐步稀释而得的混合溶液系列的浓度计算 | 第129-137页 |
| ·具有相同加和浓度的混合溶液系列的浓度计算 | 第137-138页 |
| ·部分重叠电泳峰中地巴佐和维生素B1混合物的定量分析 | 第138-143页 |
| 5. 实验样本中相关物质浓度的预测 | 第143页 |
| 6. 结论 | 第143-144页 |
| 参考文献 | 第144-148页 |
| 第五部分 人工神经网络模式识别方法研究 | 第148-181页 |
| 第八章 基于主成分分析输入选择的人工神经网络方法用于临床模式识别分析的研究 | 第148-167页 |
| 1. 引言 | 第148-149页 |
| 2. 主成分分析输入选择程序 | 第149-150页 |
| 3. 实验部分 | 第150页 |
| ·数据 | 第150页 |
| ·软件与数据分析 | 第150页 |
| 4. 结果与讨论 | 第150-163页 |
| ·第一组数据的模式识别分析 | 第150-153页 |
| ·第二组数据的模式识别分析 | 第153-163页 |
| 5. 结论 | 第163-164页 |
| 参考文献 | 第164-167页 |
| 第九章 人工神经网络法用于临床数据的模式识别分析:几种不同输入变量选择方法的比较 | 第167-181页 |
| 1. 引言 | 第167-168页 |
| 2. 实验部分 | 第168-169页 |
| ·数据 | 第168-169页 |
| ·计算软件包与数据分析 | 第169页 |
| 3. 结果与讨论 | 第169-174页 |
| ·基于原始输入变量的神经网络模式识别分析 | 第169-171页 |
| ·基于主成分分析输入变量选择的神经网络模式识别分析 | 第171-172页 |
| ·基于遗传算法输入变量选择的神经网络模式识别分析 | 第172-173页 |
| ·基于回归分析输入变量选择的神经网络模式识别分析 | 第173-174页 |
| 4. 结论 | 第174-178页 |
| 参考文献 | 第178-181页 |
| 攻读博士学位期间发表及待发表的学术论文 | 第181-183页 |
| 攻读博士学位期间的获奖情况 | 第183-184页 |
| 致谢 | 第184页 |
