| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第11-31页 |
| 1.1 近红外光谱分析技术概述 | 第11-18页 |
| 1.1.1 近红外光谱分析技术的原理 | 第11-13页 |
| 1.1.2 近红外光谱分析技术的过程 | 第13-15页 |
| 1.1.3 近红外光谱分析技术的特点 | 第15-16页 |
| 1.1.4 近红外光谱分析技术的应用与前景 | 第16-18页 |
| 1.2 化学计量学概述 | 第18-21页 |
| 1.2.1 化学计量学的起源与发展 | 第18-19页 |
| 1.2.2 化学计量学方法在近红外光谱分析中的必要性 | 第19-20页 |
| 1.2.3 影响校正模型建立的主要因素 | 第20-21页 |
| 1.3 光谱法舌诊的研究意义与现状 | 第21-24页 |
| 1.3.1 光谱法舌诊的研究意义 | 第21-22页 |
| 1.3.2 光谱法舌诊的研究现状 | 第22-24页 |
| 1.4 本文的研究目的与意义 | 第24-25页 |
| 1.5 本文的主要研究内容与结构 | 第25-31页 |
| 1.5.1 主要研究内容 | 第25-27页 |
| 1.5.2 论文结构安排 | 第27-31页 |
| 第二章“M+N”理论及光谱法舌诊用于血清胆红素无创检测的可行性验证 | 第31-55页 |
| 2.1 近红外光谱分析中常用的化学计量学方法 | 第31-38页 |
| 2.1.1 光谱预处理方法 | 第31-32页 |
| 2.1.2 多元校正方法 | 第32-37页 |
| 2.1.3 校正模型的评价参数 | 第37-38页 |
| 2.2 提高校正模型预测能力的策略——“M+N”理论 | 第38-41页 |
| 2.2.1“M+N”理论概述 | 第38-39页 |
| 2.2.2“M+N”理论的实施步骤 | 第39-41页 |
| 2.2.3 小结 | 第41页 |
| 2.3 非目标组分用于提高校正模型预测能力的方法 | 第41-47页 |
| 2.3.1 引言 | 第41-42页 |
| 2.3.2 理想三组分模型的构建 | 第42-43页 |
| 2.3.3 各组分浓度分布的设计 | 第43-44页 |
| 2.3.4 偏最小二乘回归建模与预测 | 第44-45页 |
| 2.3.5 结果与讨论 | 第45-47页 |
| 2.4 光谱法舌诊用于血清胆红素无创检测的可行性验证 | 第47-53页 |
| 2.4.1 引言 | 第47页 |
| 2.4.2 光谱数据采集与预处理 | 第47-50页 |
| 2.4.3 偏最小二乘回归建模与预测 | 第50-51页 |
| 2.4.4 结果与讨论 | 第51-53页 |
| 2.5 小结 | 第53-55页 |
| 第三章 光源电压用于提高校正模型预测能力的方法 | 第55-67页 |
| 3.1 引言 | 第55-56页 |
| 3.2 实验部分 | 第56-58页 |
| 3.2.1 实验装置的搭建 | 第56-57页 |
| 3.2.2 变电压光源光谱的采集 | 第57页 |
| 3.2.3 变电压光源光谱的预处理 | 第57-58页 |
| 3.3 光源电压变化对光谱定量分析的影响 | 第58-65页 |
| 3.3.1 理想三组分模型的构建 | 第58-59页 |
| 3.3.2 变电压光源光谱的引入 | 第59-61页 |
| 3.3.3 光源电压变化对预测精度的影响 | 第61-62页 |
| 3.3.4 校正模型的构建与结果分析 | 第62-65页 |
| 3.4 小结 | 第65-67页 |
| 第四章 温度用于近红外光谱定量分析的方法 | 第67-83页 |
| 4.1 引言 | 第67-68页 |
| 4.2 光谱数据采集与预处理 | 第68-71页 |
| 4.2.1 材料与样本的准备 | 第68-70页 |
| 4.2.2 温度控制与光谱测量 | 第70-71页 |
| 4.3 理论与方法 | 第71-74页 |
| 4.3.1 光谱数据的排列与组织 | 第71-72页 |
| 4.3.2 温度导致光谱变化的计算 | 第72-74页 |
| 4.4 结果与讨论 | 第74-80页 |
| 4.4.1 TSVC与归一化温度平方项之间的定量关系 | 第74-76页 |
| 4.4.2 校正曲线的建立 | 第76-80页 |
| 4.4.3 校正曲线的验证与组分的定量分析 | 第80页 |
| 4.5 小结 | 第80-83页 |
| 第五章 SPXYZ校正模型样本选择的方法 | 第83-95页 |
| 5.1 引言 | 第83-84页 |
| 5.2 理论方法 | 第84-86页 |
| 5.2.1 随机抽样法 | 第84-85页 |
| 5.2.2 Kennard-Stone方法 | 第85页 |
| 5.2.3 SPXY方法 | 第85-86页 |
| 5.2.4 SPXYZ方法 | 第86页 |
| 5.3 实验部分 | 第86-89页 |
| 5.3.1 数据集 | 第86-89页 |
| 5.3.2 评估标准 | 第89页 |
| 5.4 结果与讨论 | 第89-93页 |
| 5.4.1 三元混合物光谱数据集的结果与讨论 | 第89-91页 |
| 5.4.2 玉米样本光谱数据集的结果与讨论 | 第91-93页 |
| 5.5 小结 | 第93-95页 |
| 第六章 基于WP-mUVE-LSSVM方法光谱法舌诊的临床应用 | 第95-111页 |
| 6.1 引言 | 第95-96页 |
| 6.2 理论与算法 | 第96-99页 |
| 6.2.1 小波分频-改进UVE方法 (WP-mUVE) | 第96-97页 |
| 6.2.2 最小二乘支持向量机 (LSSVM) | 第97-98页 |
| 6.2.3 WP-mUVE-LSSVM方法 | 第98-99页 |
| 6.3 实验部分 | 第99-100页 |
| 6.3.1 实验装置的搭建 | 第99-100页 |
| 6.3.2 样本的收集与光谱数据的采集 | 第100页 |
| 6.4 光谱数据预处理与校正模型构建 | 第100-107页 |
| 6.4.1 用于糖尿病快速筛查的光谱数据预处理与校正模型构建 | 第100-104页 |
| 6.4.2 用于血糖无创检测的光谱数据预处理与校正模型构建 | 第104-107页 |
| 6.5 结果与讨论 | 第107-109页 |
| 6.5.1 不同预处理方法的结果对比 | 第107页 |
| 6.5.2 校正模型不同核函数的结果对比 | 第107-109页 |
| 6.6 小结 | 第109-111页 |
| 第七章 总结与展望 | 第111-119页 |
| 7.1 论文完成的主要工作与结论 | 第111-114页 |
| 7.2 论文研究的创新点 | 第114-116页 |
| 7.3 研究工作展望 | 第116-119页 |
| 参考文献 | 第119-135页 |
| 发表论文和参加科研情况说明 | 第135-137页 |
| 致谢 | 第137-138页 |
