| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-27页 |
| ·近红外光谱分析技术 | 第10-13页 |
| ·近红外光谱分析技术的发展概况 | 第10-11页 |
| ·近红外光谱分析技术原理 | 第11-12页 |
| ·近红外光谱分析技术的特点 | 第12-13页 |
| ·化学计量学 | 第13-15页 |
| ·化学计量学的发展 | 第13-14页 |
| ·化学计量学的研究内容 | 第14页 |
| ·化学计量学在分析化学中的应用 | 第14-15页 |
| ·化学计量学对化学量测的作用 | 第15页 |
| ·用于近红外光谱分析的几种化学计量学方法 | 第15-19页 |
| ·光谱预处理的常用方法 | 第15-16页 |
| ·人工神经网络(Artificial Neural Network , ANN ) | 第16-18页 |
| ·支持向量机 | 第18-19页 |
| ·近红外光谱技术的应用 | 第19-23页 |
| ·农业领域 | 第20-21页 |
| ·食品分析 | 第21页 |
| ·制药与临床医学 | 第21-22页 |
| ·生命科学 | 第22页 |
| ·石油化工 | 第22-23页 |
| 参考文献 | 第23-27页 |
| 第二章 用反向传播的人工神经网络- 近红外光谱法测定桉树和毛竹中木质素与综纤维素含量 | 第27-41页 |
| ·引言 | 第27-28页 |
| ·BP-ANN | 第28-29页 |
| ·实验部分 | 第29-30页 |
| ·试剂与仪器 | 第29页 |
| ·样品制备 | 第29-30页 |
| ·近红外光谱采集 | 第30页 |
| ·数据处理 | 第30页 |
| ·结果与讨论 | 第30-39页 |
| ·网络参数的优化 | 第30-38页 |
| ·实验结果 | 第38-39页 |
| ·结论 | 第39页 |
| 参考文献 | 第39-41页 |
| 第三章 用径向基函数网络- 近红外光谱法测定毛竹中综纤维素的含量 | 第41-49页 |
| ·引言 | 第41-42页 |
| ·径向基函数网络 | 第42-43页 |
| ·实验部分 | 第43-44页 |
| ·试剂与仪器 | 第43页 |
| ·样品制备 | 第43页 |
| ·近红外光谱采集 | 第43页 |
| ·数据处理 | 第43-44页 |
| ·结果与讨论 | 第44-47页 |
| ·网络参数的优化 | 第44-46页 |
| ·实验结果 | 第46-47页 |
| ·结论 | 第47页 |
| 参考文献 | 第47-49页 |
| 第四章 近红外光谱法结合支持向量机测定桉树和杉木中木质素与综纤维素的含量 | 第49-57页 |
| ·引言 | 第49-50页 |
| ·支持向量回归( S VR ) 的原理 | 第50-51页 |
| ·实验部分 | 第51-52页 |
| ·试剂与仪器 | 第51页 |
| ·样品制备 | 第51页 |
| ·近红外光谱采集 | 第51-52页 |
| ·数据处理 | 第52页 |
| ·结果与讨论 | 第52-55页 |
| ·核函数类型的选择 | 第52页 |
| ·参数的优化 | 第52-54页 |
| ·实验结果 | 第54-55页 |
| ·结论 | 第55页 |
| 参考文献 | 第55-57页 |
| 第五章 用广义回归神经网络- 近红外光谱法测定桉树中综纤维素的含量 | 第57-63页 |
| ·引言 | 第57页 |
| ·广义回归神经网络 | 第57-58页 |
| ·实验部分 | 第58-59页 |
| ·试剂与仪器 | 第58页 |
| ·样品制备 | 第58页 |
| ·近红外光谱采集 | 第58-59页 |
| ·数据处理 | 第59页 |
| ·结果与讨论 | 第59-61页 |
| ·网络参数的优化 | 第59-60页 |
| ·实验结果 | 第60-61页 |
| ·结论 | 第61页 |
| 参考文献 | 第61-63页 |
| 附录 | 第63-64页 |
| 致谢 | 第64-65页 |
