| 摘要 | 第11-15页 |
| Abstract | 第15-20页 |
| 缩略词表 | 第21-22页 |
| 前言 | 第22-23页 |
| 第一章 绪论 | 第23-39页 |
| 1 炉甘石鉴定研究的背景和意义 | 第23-26页 |
| 2 炉甘石鉴定的研究现状和进展综述 | 第26-37页 |
| 2.1 炉甘石的传统鉴定方法研究现状 | 第26-29页 |
| 2.1.1 炉甘石基原的研究 | 第26-27页 |
| 2.1.2 性状鉴定 | 第27-28页 |
| 2.1.3 显微鉴定 | 第28页 |
| 2.1.4 理化鉴定 | 第28-29页 |
| 2.2 现代仪器分析法 | 第29-31页 |
| 2.2.1 X射线衍射分析法 | 第29-30页 |
| 2.2.2 近红外光谱鉴定法 | 第30-31页 |
| 2.3 算法在近红外光谱鉴定法中的应用现状 | 第31-36页 |
| 2.3.1 传统算法的应用现状 | 第32-33页 |
| 2.3.2 智能算法的应用现状 | 第33-35页 |
| 2.3.3 算法应用趋势 | 第35-36页 |
| 2.4 中药鉴定数据库系统建设现状研究 | 第36-37页 |
| 3 本研究的主要内容和技术路线 | 第37-39页 |
| 3.1 研究内容 | 第37-38页 |
| 3.2 技术路线 | 第38-39页 |
| 第二章 炉甘石的鉴定方法研究 | 第39-65页 |
| 1 传统鉴定方法考查 | 第39-46页 |
| 1.1 样品信息 | 第39-40页 |
| 1.2 来源鉴定 | 第40页 |
| 1.3 性状鉴定 | 第40-42页 |
| 1.4 理化鉴定 | 第42-45页 |
| 1.4.1 仪器与材料 | 第42页 |
| 1.4.2 理化鉴别 | 第42页 |
| 1.4.3 含量测定 | 第42-43页 |
| 1.4.4 实验结果 | 第43-45页 |
| 1.5 显微鉴定 | 第45页 |
| 1.5.1 仪器与材料 | 第45页 |
| 1.5.2 实验方法 | 第45页 |
| 1.5.3 实验结果与分析 | 第45页 |
| 1.6 小结 | 第45-46页 |
| 2 炉甘石的XRD鉴定方法研究 | 第46-53页 |
| 2.1 仪器与材料 | 第46页 |
| 2.2 实验方法 | 第46-47页 |
| 2.2.1 XRD谱图获取 | 第46页 |
| 2.2.2 样品的物相检索 | 第46-47页 |
| 2.3 实验结果 | 第47-49页 |
| 2.4 分析与讨论 | 第49-53页 |
| 2.4.1 生品正品XRD特征 | 第49-50页 |
| 2.4.2 伪品XRD特征 | 第50页 |
| 2.4.3 炮制品XRD特征 | 第50-52页 |
| 2.4.4 XRD图谱聚类分析 | 第52页 |
| 2.4.5 基原鉴定分析 | 第52-53页 |
| 3 炉甘石的NIR定性鉴定方法研究 | 第53-59页 |
| 3.1 仪器与材料 | 第53页 |
| 3.2 基于多参考相关系数法的近红外光谱定性模型的建立 | 第53-59页 |
| 3.2.1 特征谱段选取 | 第53-54页 |
| 3.2.2 光谱预处理 | 第54页 |
| 3.2.3 定性模型的建立 | 第54-59页 |
| 4 炉甘石的NIR定量鉴定方法研究 | 第59-63页 |
| 4.1 仪器与材料 | 第59页 |
| 4.2 基于PLS的NIR定量模型的建立 | 第59-63页 |
| 4.2.1 样品分组 | 第59页 |
| 4.2.2 实验方法 | 第59-60页 |
| 4.2.3 模型的建立与验证 | 第60-63页 |
| 5 小结 | 第63-65页 |
| 第三章 智能算法在近红外光谱建模中的应用探索 | 第65-81页 |
| 1 基于SVM的NIR定性模型的建立 | 第65-71页 |
| 1.1 光谱预处理 | 第65-68页 |
| 1.2 主成分分析法降维 | 第68-69页 |
| 1.3 基于SVM的定性模型的建立与验证 | 第69-70页 |
| 1.4 分析与讨论 | 第70-71页 |
| 2 基于BP-ANN的NIR定性模型的建立 | 第71-74页 |
| 2.1 模型的建立 | 第71-73页 |
| 2.2 模型的验证与分析 | 第73-74页 |
| 3 基于GA和CARS的NIR定量模型的建立 | 第74-78页 |
| 3.1 仪器与材料 | 第74页 |
| 3.2 方法 | 第74-75页 |
| 3.2.1 测定氧化锌含量 | 第74页 |
| 3.2.2 光谱预处理方法 | 第74页 |
| 3.2.3 筛选特征波长变量方法 | 第74页 |
| 3.2.4 校正模型的建立及评价方法 | 第74-75页 |
| 3.3 结果与讨论 | 第75-78页 |
| 3.3.1 光谱预处理 | 第75页 |
| 3.3.2 特征波长变量的筛选 | 第75-76页 |
| 3.3.3 模型的建立及评价 | 第76-78页 |
| 4 基于MIV和BP-INN的NIR定量模型的建立 | 第78-79页 |
| 5 小结 | 第79-81页 |
| 第四章 炉甘石鉴定信息管理平台构建与应用 | 第81-107页 |
| 1 炉甘石鉴定的文献计量学研究 | 第81-88页 |
| 1.1 资料与方法 | 第81-82页 |
| 1.1.1 数据来源 | 第81页 |
| 1.1.2 分析方法 | 第81-82页 |
| 1.1.3 分析指标和内容 | 第82页 |
| 1.2 结果与分析 | 第82-87页 |
| 1.2.1 文献检索结果 | 第82页 |
| 1.2.2 文献计量分析结果 | 第82-86页 |
| 1.2.3 词频分析结果 | 第86-87页 |
| 1.2.4 外文文献分析 | 第87页 |
| 1.3 讨论 | 第87-88页 |
| 2 相关技术 | 第88-90页 |
| 2.1 JavaEE多层体系结构 | 第88-89页 |
| 2.2 SSH框架 | 第89-90页 |
| 3 需求分析与设计 | 第90-93页 |
| 3.1 需求分析 | 第90-91页 |
| 3.2 功能结构分析 | 第91-92页 |
| 3.3 系统数据流程分析 | 第92-93页 |
| 4 数据库设计 | 第93-98页 |
| 5 系统设计与实现 | 第98-106页 |
| 5.1 系统功能模块结构图 | 第98-99页 |
| 5.1.1 普通用户功能模块 | 第98-99页 |
| 5.1.2 管理员功能模块 | 第99页 |
| 5.2 系统的详细设计 | 第99-102页 |
| 5.2.1 实体对象类 | 第99-100页 |
| 5.2.2 主要模块详细设计 | 第100-102页 |
| 5.3 系统实现 | 第102-104页 |
| 5.3.1 用户登录与管理 | 第102-103页 |
| 5.3.2 文献检索 | 第103-104页 |
| 5.3.3 基础数据鉴定 | 第104页 |
| 5.3.4 图谱数据鉴定 | 第104页 |
| 5.4 图谱比对算法 | 第104-106页 |
| 6 小结 | 第106-107页 |
| 第五章 总结和展望 | 第107-113页 |
| 1 主要研究结论 | 第107-108页 |
| 1.1 XRD鉴别结果准确可靠 | 第107页 |
| 1.2 BP-ANN模型可以有效鉴别炉甘石正品、伪品和炮制品 | 第107-108页 |
| 1.3 基于智能算法建立的NIR鉴定模型效果较优 | 第108页 |
| 2 主要创新点 | 第108-111页 |
| 2.1 对炉甘石样品的鉴定方法进行验证与评价 | 第108-109页 |
| 2.2 基于BP-ANN和MRCC相结合的方法建立炉甘石NIR定性模型. | 第109-111页 |
| 2.3 基于CARS和GA方法建立炉甘石NIR定量模型 | 第111页 |
| 2.4 构建了炉甘石鉴定信息管理平台 | 第111页 |
| 3 展望 | 第111-113页 |
| 3.1 进一步研究建模算法 | 第111-112页 |
| 3.2 进一步完善平台数据库及功能 | 第112页 |
| 3.3 改进比对算法,进一步提高比对的准确率 | 第112页 |
| 3.4 扩大样品数量和来源,提高模型的适应性 | 第112-113页 |
| 参考文献 | 第113-123页 |
| 附录 | 第123-147页 |
| 附录1 市售炉甘石样品图 | 第123-128页 |
| 附录2 市售炉甘石样品扫描电镜图 | 第128-143页 |
| 附录3 MATLAB程序代码—基于SVM的炉甘石定性模型的建立与验证 | 第143-145页 |
| 附录4 博士在读期间的科研成果 | 第145-147页 |
| 致谢 | 第147-148页 |
