| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-12页 |
| 缩略语对照表 | 第12-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 拉曼光谱基本原理 | 第16-17页 |
| 1.2 研究背景及意义 | 第17-19页 |
| 1.3 拉曼光谱数据处理的研究现状 | 第19-23页 |
| 1.3.1 预处理 | 第20-22页 |
| 1.3.2 特征提取与变量选择 | 第22-23页 |
| 1.4 本文主要工作及章节安排 | 第23-24页 |
| 第二章 拉曼光谱的分析方法 | 第24-42页 |
| 2.1 平滑去噪 | 第24-30页 |
| 2.2 基线校正 | 第30-34页 |
| 2.2.1 惩罚最小二乘原理 | 第31-32页 |
| 2.2.2 非对称加权惩罚最小二乘基线校正 | 第32页 |
| 2.2.3 自适应迭代重加权惩罚最小二乘基线校正 | 第32-33页 |
| 2.2.4 形态学加权惩罚最小二乘基线校正 | 第33-34页 |
| 2.3 归一化 | 第34页 |
| 2.4 特征提取 | 第34-36页 |
| 2.4.1 相关系数分析法 | 第35页 |
| 2.4.2 无信息变量消除法 | 第35页 |
| 2.4.3 区间偏最小二乘算法 | 第35-36页 |
| 2.5 拉曼光谱的模式识别方法 | 第36-40页 |
| 2.5.1 线性判别分析 | 第36-37页 |
| 2.5.2 簇类独立软模式法 | 第37-38页 |
| 2.5.3 偏最小二乘判别分析 | 第38-39页 |
| 2.5.4 K-最近邻法 | 第39-40页 |
| 2.6 模式识别性能评价 | 第40-41页 |
| 2.7 本章小结 | 第41-42页 |
| 第三章 迭代非对称加权惩罚最小二乘基线校正算法研究 | 第42-54页 |
| 3.1 算法原理 | 第42-44页 |
| 3.2 算法步骤 | 第44-45页 |
| 3.3 算法在模拟光谱上的仿真分析 | 第45-50页 |
| 3.3.1 模拟数据 | 第45页 |
| 3.3.2 方法对比与结果讨论 | 第45-50页 |
| 3.4 算法在实际拉曼光谱上的应用 | 第50-53页 |
| 3.4.1 实验数据 | 第50-51页 |
| 3.4.2 罗丹明6G的SERS光谱基线校正 | 第51-52页 |
| 3.4.3 两类药品SERS光谱基线校正前后的主成分分析 | 第52-53页 |
| 3.5 本章小节 | 第53-54页 |
| 第四章 拉曼光谱特征提取与分类方法研究 | 第54-76页 |
| 4.1 基于区间选择的拉曼光谱特征提取 | 第54-58页 |
| 4.1.1 连续投影算法(SPA) | 第54-56页 |
| 4.1.2 区间选择的连续投影算法(iSPA) | 第56-58页 |
| 4.2 表面增强拉曼光谱预处理与特征波数提取 | 第58-61页 |
| 4.2.1 实验数据与测试平台 | 第59页 |
| 4.2.2 光谱数据预处理 | 第59-60页 |
| 4.2.3 光谱特征波数提取 | 第60-61页 |
| 4.3 基于表面增强拉曼光谱的4-MBA,R6G与BSA分类 | 第61-70页 |
| 4.3.1 样本的划分 | 第61-62页 |
| 4.3.2 实验结果与分析 | 第62-70页 |
| 4.4 基于表面增强拉曼光谱的4-MBA与4-MPY分类 | 第70-75页 |
| 4.4.1 样本的划分 | 第70-71页 |
| 4.4.2 实验结果与分析 | 第71-75页 |
| 4.5 本章小节 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 工作总结 | 第76页 |
| 5.2 展望 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84-86页 |
| 作者简介 | 第86-87页 |
