| 第一章 绪论 | 第1-12页 |
| 引言 | 第8页 |
| ·相位校正的概念 | 第8-9页 |
| ·手动相位校正的基本原理 | 第9-10页 |
| ·自动相位校正的发展现状 | 第10-11页 |
| ·本文工作 | 第11-12页 |
| 第二章 自动相位校正算法的实现与评价 | 第12-21页 |
| ·TRIANGLE算法 | 第12-15页 |
| ·CLESP算法 | 第15页 |
| ·PAMPAS算法 | 第15-18页 |
| ·APSL算法 | 第18-21页 |
| 第三章 基于神经网络的核磁共振谱图自动相位校正综合算法(NNAPC)研究与实现 | 第21-43页 |
| ·人工神经网络要点介绍 | 第21-25页 |
| ·神经元模型 | 第21-22页 |
| ·神经网络的结构及分类 | 第22-23页 |
| ·神经网络的学习与训练 | 第23-24页 |
| ·神经网络的工作方式 | 第24页 |
| ·BP神经网络 | 第24-25页 |
| ·基于BP网络的核磁共振谱图自动相位校正综合算法(NNAPC)的研究 | 第25-34页 |
| ·神经网络的输出 | 第26页 |
| ·网络的性能函数 | 第26-28页 |
| ·神经网络的输入 | 第28页 |
| ·隐藏层神经元数 | 第28-30页 |
| ·传递函数 | 第30页 |
| ·学习算法 | 第30-32页 |
| ·网络训练函数的参数 | 第32-34页 |
| ·神经网络的使用 | 第34页 |
| ·神经网络所需样本的产生 | 第34-37页 |
| ·样本产生模块流程 | 第34-35页 |
| ·样本产生模块主要类说明及其关系 | 第35-37页 |
| ·NNAPC综合算法执行流程图 | 第37-39页 |
| ·实验与结果讨论 | 第39-43页 |
| ·神经网络的训练 | 第39页 |
| ·神经网络的验证 | 第39-41页 |
| ·实际实验得到的谱图数据分析及校正效果对比 | 第41-43页 |
| 第四章 总结与展望 | 第43-44页 |
| 攻读硕士学位期间发表论文 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 后记 | 第47页 |