| 提要 | 第1-11页 |
| 第1章 绪论 | 第11-32页 |
| ·模式识别技术 | 第11-16页 |
| ·几种天然产物的研究概况 | 第16-24页 |
| ·烟草 | 第16-18页 |
| ·淫羊藿 | 第18-20页 |
| ·黄连 | 第20-22页 |
| ·人参 | 第22-24页 |
| ·红外光谱用于天然产物的无损分析 | 第24-29页 |
| ·红外光谱概述 | 第24-25页 |
| ·中红外光谱在天然产物分析中的应用现状 | 第25-27页 |
| ·近红外光谱在天然产物分析中的应用现状 | 第27-29页 |
| ·本论文的研究意义及主要研究内容 | 第29-32页 |
| 第2章 实验样品与设备 | 第32-45页 |
| ·中红外光谱定性分析中的实验样品与设备 | 第32-36页 |
| ·样品来源 | 第32页 |
| ·样品制备 | 第32页 |
| ·仪器与测试条件 | 第32-35页 |
| ·淫羊藿及人参样品的中红外光谱图 | 第35-36页 |
| ·近红外光谱定性分析中的实验样品与设备 | 第36-37页 |
| ·样品来源 | 第36页 |
| ·仪器与测试条件 | 第36页 |
| ·烟草样品的近红外光谱及导数光谱 | 第36-37页 |
| ·近红外光谱定量分析中的实验样品与设备 | 第37-43页 |
| ·黄连样品 | 第38-40页 |
| ·烟草样品 | 第40-43页 |
| ·本章小结 | 第43-45页 |
| 第3章 基于模糊模式识别及偏最小二乘的红外光谱定性和定量分析 | 第45-65页 |
| ·模糊模式识别技术 | 第45-49页 |
| ·模糊模式识别的一般方法和主要步骤 | 第45-47页 |
| ·最大的隶属度原则模式识别的直接法 | 第47页 |
| ·贴近度与模式识别的间接方法 | 第47-48页 |
| ·模糊模式识别技术应用于红外光谱分析的主要步骤 | 第48-49页 |
| ·模糊模式识别技术用于中红外光谱的定性分析 | 第49-53页 |
| ·利用主成分分析对光谱变量进行降维 | 第50-51页 |
| ·淫羊藿及人参样品红外光谱的模糊模式识别分析 | 第51-53页 |
| ·模糊模式识别技术用于近红外光谱的定性分析 | 第53-56页 |
| ·利用主成分分析对烟草近红外光谱数据进行降维 | 第54页 |
| ·烟草样品近红外光谱的模糊模式识别分析 | 第54-56页 |
| ·偏最小二乘法用于近红外光谱的定量分析 | 第56-63页 |
| ·偏最小二乘法简介 | 第56-57页 |
| ·偏最小二乘法用于黄连近红外光谱的定量分析 | 第57-60页 |
| ·偏最小二乘法用于烟草近红外光谱的定量分析 | 第60-63页 |
| ·本章小结 | 第63-65页 |
| 第4章 基于人工神经网络的红外光谱定量和定性分析 | 第65-94页 |
| ·人工神经网络的理论基础 | 第65-70页 |
| ·生物神经元的构成、工作过程及其特征 | 第65-66页 |
| ·人工神经元 | 第66-67页 |
| ·人工神经网络的构成 | 第67-68页 |
| ·反向传播网络 | 第68-70页 |
| ·BP-ANN应用于红外光谱分析时的关键问题及解决方案 | 第70-74页 |
| ·网络的输入层和输出层设计 | 第70页 |
| ·网络的隐含层的设计 | 第70-72页 |
| ·初始权值的选取 | 第72页 |
| ·学习速率 | 第72-73页 |
| ·动量因子的选择 | 第73-74页 |
| ·小波变换技术在红外光谱预处理中的应用 | 第74-76页 |
| ·小波变换的由来和作用 | 第74-75页 |
| ·小波变换的基本原理 | 第75页 |
| ·小波变换应用于红外光谱数据压缩 | 第75-76页 |
| ·基于人工神经网络的中红外光谱的定性分析 | 第76-82页 |
| ·光谱的预处理 | 第77页 |
| ·利用小波变换进行红外光谱的压缩 | 第77-78页 |
| ·利用BP网建立淫羊藿、人参的产地鉴别模型 | 第78-82页 |
| ·基于人工神经网络的近红外光谱的定性分析 | 第82-84页 |
| ·小波变换对烟草的近红外光谱降维 | 第82-83页 |
| ·利用BP网建立烟草的近红外光谱定性分析模型 | 第83-84页 |
| ·基于人工神经网络的近红外光谱定量分析 | 第84-92页 |
| ·黄连的人工神经网络定量分析模型 | 第84-88页 |
| ·烟草的人工神经网络近红外光谱定量分析 | 第88-92页 |
| ·本章小结 | 第92-94页 |
| 第5章 基于支持向量机的红外光谱定量和定性分析 | 第94-119页 |
| ·支持向量机的理论基础 | 第94-100页 |
| ·支持向量机的工作原理 | 第95-97页 |
| ·支持向量机的构造 | 第97-98页 |
| ·支持向量机的常用核函数 | 第98-99页 |
| ·支持向量机的回归 | 第99-100页 |
| ·SVM应用于红外光谱分析时的关键问题及其解决方案 | 第100-103页 |
| ·模式的提取 | 第100-102页 |
| ·核函数的优化选择 | 第102-103页 |
| ·核参数的选择 | 第103页 |
| ·基于支持向量机技术的中红外光谱的定性分析 | 第103-107页 |
| ·基于支持向量机技术的近红外光谱的定性分析 | 第107-108页 |
| ·基于支持向量机技术的近红外光谱的定量分析 | 第108-113页 |
| ·基于支持向量机的黄连小檗碱定量分析模型 | 第108-109页 |
| ·基于支持向量机的烟草的四个组分的定量分析模型 | 第109-113页 |
| ·支持向量机、BP网及偏最小二乘仿真结果对比分析 | 第113-117页 |
| ·淫羊藿及人参中红外光谱的仿真结果对比分析 | 第114页 |
| ·烟草及黄连近红外光谱的仿真结果对比分析 | 第114-116页 |
| ·对比结论 | 第116-117页 |
| ·本章小结 | 第117-119页 |
| 第6章 基于灰度关联分析的近红外光谱谱区优化选取 | 第119-129页 |
| ·引言 | 第119-120页 |
| ·灰色关联分析的一般模型 | 第120-121页 |
| ·灰色关联应用于近红外光谱分析的一般步骤 | 第121-122页 |
| ·基于灰色关联度分析的近红外谱区的选择 | 第122-127页 |
| ·近红外光谱及其特定组分含量的测定 | 第123页 |
| ·近红外光谱吸收峰的峰面积 | 第123页 |
| ·关联度计算结果及特征谱区的确定 | 第123-127页 |
| ·基于特定谱区利用偏最小二乘法建模 | 第127-128页 |
| ·本章小结 | 第128-129页 |
| 第7章 总结与展望 | 第129-132页 |
| ·全文工作总结 | 第129-130页 |
| ·主要创新点 | 第130-131页 |
| ·研究展望 | 第131-132页 |
| 参考文献 | 第132-147页 |
| 攻读博士期间发表的学术论文及其他成果 | 第147-148页 |
| 致谢 | 第148-149页 |
| 摘要 | 第149-152页 |
| ABSTRACT | 第152-155页 |
