| 内容提要 | 第1-10页 |
| 前言 | 第10-12页 |
| 参考文献 | 第11-12页 |
| 第一章 近红外光谱分析技术及其应用 | 第12-29页 |
| ·近红外历史 | 第12-14页 |
| ·近红外光谱分析技术的理论基础 | 第14-18页 |
| ·近红外光谱吸收产生的物理学原理 | 第15-17页 |
| ·漫反射分析定量原理 | 第17-18页 |
| ·近红外光谱分析技术的特点 | 第18-23页 |
| ·近红外光谱分析技术的优势 | 第18-21页 |
| ·近红外光谱分析技术的劣势 | 第21-23页 |
| ·近红外光谱分析技术的应用 | 第23-25页 |
| ·中药材的真伪判别 | 第24页 |
| ·中药材的产地分析 | 第24-25页 |
| ·辅助手段 | 第25页 |
| ·近红外光谱分析技术的应用展望 | 第25-26页 |
| 参考文献 | 第26-29页 |
| 第二章 化学计量学 | 第29-53页 |
| ·化学计量学的简介 | 第29-32页 |
| ·化学计量学的发展历程 | 第29-30页 |
| ·化学计量学主要研究内容 | 第30-31页 |
| ·化学计量学方法在近红外光谱分析中的研究及在中药上的应用 | 第31-32页 |
| ·偏最小二乘法 | 第32-38页 |
| ·偏最小二乘简介 | 第33页 |
| ·偏最小二乘技术的方法原理 | 第33-34页 |
| ·PLS 方法中噪声过滤原理 | 第34-35页 |
| ·PLS方法中的R和PRESS判据 | 第35-37页 |
| ·偏最小二乘技术的应用 | 第37-38页 |
| ·人工神经网络(ANN) | 第38-44页 |
| ·人工神经网络的组成 | 第38-39页 |
| ·BP-人工神经网络的原理 | 第39-41页 |
| ·人工神经网络的优缺点 | 第41-42页 |
| ·逼近度的引入 | 第42-43页 |
| ·人工神经网络的应用 | 第43-44页 |
| ·光谱数据预处理 | 第44-46页 |
| ·预处理技术的应用 | 第44-45页 |
| ·近红外光谱预处理方法 | 第45-46页 |
| ·模型的建立与验证 | 第46-48页 |
| ·训练集的选择 | 第46-47页 |
| ·模型的评定 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 第三章 长波近红外光谱结合偏最小二乘法对中药蛇床子萃取物的定量分析 | 第53-61页 |
| ·实验部分 | 第53-54页 |
| ·实验仪器及软件 | 第53页 |
| ·样品的制备及含量测定 | 第53-54页 |
| ·测量条件 | 第54页 |
| ·结果与讨论 | 第54-60页 |
| ·近红外漫反射光谱 | 第54-55页 |
| ·样品在前两个组分上的得分 | 第55-56页 |
| ·最佳光谱波段的选择 | 第56-57页 |
| ·最佳主成分数的选择 | 第57-59页 |
| ·PLS模型的可靠性评估 | 第59-60页 |
| ·本章小结 | 第60页 |
| 参考文献 | 第60-61页 |
| 第四章 短波近红外光谱结合偏最小二乘法对中药蛇床子萃取物的定量分析 | 第61-68页 |
| ·实验部分 | 第61-62页 |
| ·实验仪器及软件 | 第61页 |
| ·样品的制备及含量测定 | 第61-62页 |
| ·测量条件 | 第62页 |
| ·结果与讨论 | 第62-66页 |
| ·近红外漫反射光谱 | 第62-63页 |
| ·样品在前两个组分上的得分 | 第63-64页 |
| ·最佳主成分数的选择 | 第64-65页 |
| ·PLS模型的可靠性评估 | 第65-66页 |
| ·本章小结 | 第66页 |
| 参考文献 | 第66-68页 |
| 第五章 紫外-可见光谱结合偏最小二乘法对中药蛇床子萃取物的定量分析 | 第68-75页 |
| ·实验部分 | 第68-69页 |
| ·实验仪器及软件 | 第68页 |
| ·样品的制备及含量测定 | 第68-69页 |
| ·测量条件 | 第69页 |
| ·结果与讨论 | 第69-73页 |
| ·近红外漫反射光谱 | 第69-70页 |
| ·样品在前两个组分上的得分 | 第70-71页 |
| ·最佳主成分数的选择 | 第71-72页 |
| ·PLS模型的可靠性评估 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 参考文献 | 第74-75页 |
| 第六章 长波近红外光谱结合人工神经网络对中药蛇床子萃取物的定量分析 | 第75-93页 |
| ·实验部分 | 第75-76页 |
| ·实验仪器及软件 | 第75页 |
| ·样品的制备及含量测定 | 第75-76页 |
| ·测量条件 | 第76页 |
| ·结果与讨论 | 第76-92页 |
| ·近红外漫反射光谱 | 第76-77页 |
| ·一阶导数预处理光谱建立最佳ANN模型同时测定双组分含量 | 第77-81页 |
| ·原始光谱和SNV预处理光谱建立ANN模型同时测定双组分含量 | 第81-85页 |
| ·人工神经网络模型的可靠性评价 | 第85-92页 |
| ·本章小结 | 第92页 |
| 参考文献 | 第92-93页 |
| 第七章 短波近红外光谱结合人工神经网络对中药蛇床子萃取物的定量分析 | 第93-108页 |
| ·实验部分 | 第93-94页 |
| ·实验仪器及软件 | 第93页 |
| ·样品的制备及含量测定 | 第93-94页 |
| ·测量条件 | 第94页 |
| ·结果与讨论 | 第94-106页 |
| ·近红外漫反射光谱 | 第94-95页 |
| ·一阶导数预处理光谱建立最佳ANN模型同时测定双组分含量 | 第95-99页 |
| ·原始光谱和SNV预处理光谱建立ANN模型同时测定双组分含量 | 第99-103页 |
| ·人工神经网络模型的可靠性评价 | 第103-106页 |
| ·本章小结 | 第106-107页 |
| 参考文献 | 第107-108页 |
| 第八章 紫外-可见光谱结合人工神经网络对中药蛇床子萃取物的定量分析 | 第108-123页 |
| ·实验部分 | 第108-109页 |
| ·实验仪器及软件 | 第108页 |
| ·样品的制备及含量测定 | 第108-109页 |
| ·测量条件 | 第109页 |
| ·结果与讨论 | 第109-121页 |
| ·近红外漫反射光谱 | 第109-110页 |
| ·蛇床子萃取物近红外原始光谱建立最佳ANN模型参数的选择 | 第110-114页 |
| ·SNV和一阶导数预处理光谱建立最佳ANN模型各个参数的选择 | 第114-118页 |
| ·人工神经网络模型的可靠性评价 | 第118-121页 |
| ·本章小结 | 第121-122页 |
| 参考文献 | 第122-123页 |
| 结论 | 第123-124页 |
| 附录 | 第124-125页 |
| 中文摘要 | 第125-129页 |
| 英文摘要 | 第129-135页 |
| 致谢 | 第135页 |
