摘要 | 第5-7页 |
ABSTRACT | 第7-8页 |
第1章 绪论 | 第13-26页 |
1.1 研究背景和意义 | 第13-20页 |
1.1.1 太赫兹波特点及其应用 | 第13-17页 |
1.1.2 谱分析的特点及其作用 | 第17-20页 |
1.2 THZ时域谱分析的国内外研究现状 | 第20-23页 |
1.2.1 国外太赫兹时域谱分析研究现状 | 第20-22页 |
1.2.2 国内太赫兹时域谱分析研究现状 | 第22-23页 |
1.3 本文框架和主要研究内容 | 第23-26页 |
第2章 物质的太赫兹时域谱分析基础理论 | 第26-45页 |
2.1 太赫兹波的产生与探测 | 第26-35页 |
2.1.1 太赫兹波的产生 | 第26-32页 |
2.1.2 太赫兹波的探测 | 第32-35页 |
2.2 太赫兹时域光谱系统 | 第35-39页 |
2.2.1 透射式太赫兹时域光谱 | 第37-38页 |
2.2.2 反射式太赫兹时域光谱 | 第38-39页 |
2.2.3 其他方式太赫兹光谱 | 第39页 |
2.3 太赫兹时域光谱参数计算模型 | 第39-42页 |
2.4 太赫兹介电光谱参数计算模型 | 第42-43页 |
2.5 本章小结 | 第43-45页 |
第3章 太赫兹时域谱测试实验研究 | 第45-69页 |
3.1 太赫兹时域谱的实验装置和实验原理 | 第45-48页 |
3.2 THZ光谱数据预处理技术 | 第48-54页 |
3.2.1 光谱基线校正处理 | 第49-51页 |
3.2.2 光谱噪声处理 | 第51-54页 |
3.3 太赫兹时域谱实验过程与实验结果 | 第54-68页 |
3.3.1 不同温度下牛血清白蛋白样本的太赫兹时域谱实验 | 第54-58页 |
3.3.2 有机气体的太赫兹时域谱实验 | 第58-62页 |
3.3.3 茶叶样本的太赫兹时域谱实验 | 第62-64页 |
3.3.4 危险品的太赫兹时域谱实验 | 第64-68页 |
3.4 本章小结 | 第68-69页 |
第4章 基于太赫兹光谱对大分子有机物模糊识别研究 | 第69-90页 |
4.1 主成分分析理论 | 第69-72页 |
4.2 模糊聚类与模糊识别理论 | 第72-75页 |
4.2.1 模糊聚类分析 | 第72-74页 |
4.2.2 模糊模型识别 | 第74-75页 |
4.3 基于主成分分析和模糊识别的BSA分子太赫兹谱识别 | 第75-88页 |
4.3.1 不同温度下的BSA样品光谱主成分特征提取 | 第76-85页 |
4.3.2 不同温度下BSA样品的太赫兹谱模糊识别 | 第85-88页 |
4.4 本章小结 | 第88-90页 |
第5章 基于神经网络气态小分子有机物太赫兹谱定量分析 | 第90-106页 |
5.1 神经网络算法 | 第92-97页 |
5.1.1 逆向传播神经网络理论 | 第92-93页 |
5.1.2 遗传优化算法基础理论 | 第93-95页 |
5.1.3 微粒群优化算法基础理论 | 第95-97页 |
5.2 BP神经网络模型结果和误差分析 | 第97-99页 |
5.3 GA-BP神经网络模型结果和误差分析 | 第99-102页 |
5.4 PSO-BP神经网络模型结果和误差分析 | 第102-104页 |
5.5 本章小结 | 第104-106页 |
第6章 基于太赫兹光谱的茶叶多组分分类识别研究 | 第106-122页 |
6.1 传统的最小二乘支持向量机算法 | 第106-110页 |
6.1.1 SVM基本原理 | 第106-108页 |
6.1.2 LS-SVM基本原理 | 第108-110页 |
6.2 改进的最小二乘支持向量机算法 | 第110-112页 |
6.2.1 GA-LS-SVM原理 | 第110-112页 |
6.2.2 PSO-LS-SVM原理 | 第112页 |
6.3 偏最小二乘结合最小二乘支持向量机算法原理 | 第112-114页 |
6.4 拉普拉斯流形算法结合支持向量机算法原理 | 第114-115页 |
6.5 分类预测计算结果 | 第115-120页 |
6.5.1 传统的SVM和LS-SVM分类结果 | 第115-116页 |
6.5.2 改进LS-SVM分类结果 | 第116-117页 |
6.5.3 PLS-SVM和PLS-LS-SVM分类预测结果 | 第117-119页 |
6.5.4 Lap-SVM分类预测结果 | 第119-120页 |
6.6 本章小结 | 第120-122页 |
结论 | 第122-125页 |
参考文献 | 第125-140页 |
攻读博士学位期间的主要工作和研究成果 | 第140-141页 |
致谢 | 第141页 |