| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 人工神经网络方法在多元校正及中药模式识别方面的研究进展 | 第10-26页 |
| ·前言 | 第10-11页 |
| ·人工神经网络方法在多元校正中的研究 | 第11-17页 |
| ·人工神经网络在中药模式识别方面的研究 | 第17-18页 |
| ·本研究工作的主要内容及解决的问题 | 第18-20页 |
| 参考文献 | 第20-26页 |
| 第二章 本文所涉及的化学计量学方法概述 | 第26-36页 |
| ·人工神经网络方法 | 第26-32页 |
| ·径向基函数神经网络 | 第26-28页 |
| ·广义回归神经网络 | 第28-29页 |
| ·自组织特征映射神经网络 | 第29-32页 |
| ·线性主成分分析方法 | 第32-33页 |
| ·非线性主成分分析方法 | 第33-35页 |
| 参考文献 | 第35-36页 |
| 第三章 基于线形主成分分析的人工神经网络用于多组分化学发光体系中相关组分的同时测定 | 第36-48页 |
| ·引言 | 第36页 |
| ·实验部分 | 第36-38页 |
| ·试剂 | 第36-37页 |
| ·仪器和软件 | 第37-38页 |
| ·结果与讨论 | 第38-45页 |
| ·发光强度变化曲线 | 第38-39页 |
| ·神经网络计算结果 | 第39-45页 |
| ·结论 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 第四章 基于非线性主成分分析的RBF人工神经网络用于多组分化学发光体系中相关组分的同时测定 | 第48-58页 |
| ·引言 | 第48页 |
| ·实验部分 | 第48-50页 |
| ·试剂 | 第48-49页 |
| ·仪器和软件 | 第49-50页 |
| ·结果与讨论 | 第50-54页 |
| ·动力学曲线 | 第50-51页 |
| ·神经网络计算结果 | 第51-54页 |
| ·结论 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 第五章 基于非线性主成分分析的RBF人工神经网络用于多组分荧光重叠峰中相关组分的定量分析 | 第58-66页 |
| ·引言 | 第58-59页 |
| ·实验部分 | 第59-61页 |
| ·仪器和试剂 | 第59页 |
| ·储备液和工作液配制 | 第59页 |
| ·实验方法 | 第59-61页 |
| ·纯组分的激发和发射光谱扫描 | 第59-60页 |
| ·混合溶液的荧光光谱扫描 | 第60页 |
| ·软件 | 第60-61页 |
| ·结果与讨论 | 第61-63页 |
| ·纯组分的激发和发射光谱 | 第61-62页 |
| ·混合物体系荧光波长范围的选择 | 第62页 |
| ·不同pH值对荧光强度的影响 | 第62页 |
| ·数据处理 | 第62-63页 |
| ·结论 | 第63-65页 |
| 参考文献 | 第65-66页 |
| 第六章 自组织特征映射神经网络用于不同产地的葛根样品的模式识别研究 | 第66-72页 |
| ·引言 | 第66页 |
| ·实验部分 | 第66-68页 |
| ·仪器及试剂 | 第66-67页 |
| ·色谱条件 | 第67-68页 |
| ·供试品溶液的制备 | 第68页 |
| ·结果与讨论 | 第68-70页 |
| ·结论 | 第70-71页 |
| 参考文献 | 第71-72页 |
| 攻读硕士学位期间发表及待发表的学术论文 | 第72-73页 |
| 致谢 | 第73页 |
