| 摘要 | 第1-9页 |
| Abstract | 第9-17页 |
| 第1章 绪论 | 第17-34页 |
| ·化学计量学的发展历程及其研究范畴 | 第17-19页 |
| ·化学模式识别与中药近红外光谱的质量控制研究 | 第19-21页 |
| ·多维校正方法 | 第21-31页 |
| ·零阶校正 | 第21-22页 |
| ·一阶校正 | 第22-25页 |
| ·二阶校正 | 第25-28页 |
| ·三阶校正 | 第28-29页 |
| ·四线性成分模型 | 第29-31页 |
| ·三阶校正算法的开发形式 | 第31页 |
| ·本论文的研究工作 | 第31-34页 |
| 第2章 移动窗口偏最小二乘判别分析结合近红外光谱技术用于中药牛黄样品质量快速检测和道地性判别以及不同模式识别方法的比较研究 | 第34-44页 |
| ·前言 | 第34-35页 |
| ·理论 | 第35-37页 |
| ·移动窗口偏最小二乘判别分析的思想 | 第35-36页 |
| ·移动窗口偏最小二乘判别分析模型的构建原理 | 第36-37页 |
| ·实验部分 | 第37-38页 |
| ·仪器与样品 | 第37页 |
| ·光谱的采集 | 第37页 |
| ·数据分析 | 第37-38页 |
| ·结果与讨论 | 第38-43页 |
| ·PCA、LDA、PLSDA 和MWPLSDA 判别人工牛黄、天然牛黄、掺杂牛黄三类样品的结果分析与比较 | 第38-42页 |
| ·MWPLSDA 判别三个不同地域的天然牛黄 | 第42-43页 |
| ·小结 | 第43-44页 |
| 第3章 移动窗口偏最小二乘判别分析用于不同厂家中成药六味地黄丸近红外光谱分类 | 第44-51页 |
| ·前言 | 第44-45页 |
| ·理论 | 第45页 |
| ·移动窗口偏最小二乘判别分析（见2.2） | 第45页 |
| ·实验 | 第45-46页 |
| ·仪器和样品 | 第45页 |
| ·近红外漫反射光谱测定 | 第45页 |
| ·数据预处理 | 第45-46页 |
| ·结果与讨论 | 第46-49页 |
| ·五个不同厂家的六味地黄丸样品的NIR 光谱分别用PCA、LDA、PLSDA、MWPLSDA 判别 | 第46-49页 |
| ·小结 | 第49-51页 |
| 第4章 基于粒子群优化算法自适应训练最优化样品加权最小二乘支持向量机用于多元光谱分析 | 第51-64页 |
| ·前言 | 第51-53页 |
| ·理论 | 第53-56页 |
| ·最小二乘支持向量机（LS-SVM）算法 | 第53-54页 |
| ·粒子群优化（PSO）算法 | 第54-55页 |
| ·最优化样品加权最小二乘支持向量机（OSWLS-SVM）算法 | 第55-56页 |
| ·标准数据集和实验数据集 | 第56-57页 |
| ·标准数据集 | 第56-57页 |
| ·实验数据集 | 第57页 |
| ·结果与讨论 | 第57-63页 |
| ·数据集的预处理 | 第57-58页 |
| ·PLS, LS-SVM 和OSWLS-SVM 方法对草料数据建模比较 | 第58-59页 |
| ·PLS, LS-SVM 和OSWLS-SVM 方法对燃料数据建模比较 | 第59-60页 |
| ·PLS, LS-SVM 和OSWLS-SVM 方法对药片数据建模比较 | 第60-61页 |
| ·智能化OSWLS-SVM 方法建模稳定性的考察 | 第61-63页 |
| ·小结 | 第63-64页 |
| 第5章 借助二阶优势的高灵敏荧光光谱法测定人体液中伊立替康的含量 | 第64-77页 |
| ·前言 | 第64-65页 |
| ·理论 | 第65-68页 |
| ·三线性成分模型 | 第65-66页 |
| ·平行因子分析（PARAFAC）算法 | 第66-67页 |
| ·交替归一加权残差（ANWE）算法 | 第67页 |
| ·品质因数 | 第67-68页 |
| ·实验部分 | 第68-69页 |
| ·仪器与试剂 | 第68页 |
| ·实验方法 | 第68-69页 |
| ·结果与讨论 | 第69-76页 |
| ·药物伊立替康及其在人体液中的三维荧光光谱特性 | 第69-70页 |
| ·组分数的估计 | 第70-71页 |
| ·二阶校正算法对人体液中伊立替康光谱的数学分离 | 第71-72页 |
| ·二阶校正算法对人体液中伊立替康光谱的定量分析 | 第72-74页 |
| ·品质因数和椭圆置信区间测试 | 第74-75页 |
| ·方法的精密性和重现性考察 | 第75-76页 |
| ·小结 | 第76-77页 |
| 第6章 增强和衍生三维荧光光谱结合二阶校正方法定量分析人体液中弱荧光或无荧光药物 | 第77-91页 |
| ·前言 | 第77-78页 |
| ·理论 | 第78页 |
| ·三线性成分模型(见5.2.1) | 第78页 |
| ·平行因子分析（PARAFAC）算法(见5.2.2) | 第78页 |
| ·交替归一加权残差（ANWE）算法(见5.2.3) | 第78页 |
| ·实验 | 第78-81页 |
| ·仪器 | 第78-79页 |
| ·试剂 | 第79页 |
| ·血浆中多潘立酮干扰下甲氧氯普胺的测定 | 第79-80页 |
| ·尿液中美洛昔康的测定 | 第80-81页 |
| ·结果和讨论 | 第81-90页 |
| ·增强三维荧光结合二阶校正方法定量分析血浆样中甲氧氯普胺 | 第81-86页 |
| ·衍生三维荧光结合二阶校正方法定量分析人体液中无荧光药物美洛昔康 | 第86-90页 |
| ·小结 | 第90-91页 |
| 第7章 交替加权残差约束四线性分解算法分析四维数据阵 | 第91-117页 |
| ·前言 | 第91-93页 |
| ·理论 | 第93-100页 |
| ·三线性成分模型（见5.2.1） | 第93页 |
| ·平行因子分析（PARAFAC）算法（见5.2.1） | 第93页 |
| ·交替三线性分解（ATLD）算法 | 第93-94页 |
| ·自加权交替三线性分解（SWATLD）算法 | 第94-95页 |
| ·四线性成分模型 | 第95-96页 |
| ·四维平行因子分析（four-way PARAFAC）算法 | 第96-97页 |
| ·交替惩罚四线性分解（APQLD）算法 | 第97页 |
| ·交替加权残差约束四线性分解(AWRCQLD) 算法 | 第97-100页 |
| ·四维PARAFAC, APQLD 和AWRCQLD 算法迭代退出准则 | 第100页 |
| ·模拟和实验 | 第100-102页 |
| ·模拟数据 | 第100-101页 |
| ·实验 | 第101-102页 |
| ·结果与讨论 | 第102-115页 |
| ·模拟数据 | 第102-108页 |
| ·实验数据 | 第108-115页 |
| ·小结 | 第115-117页 |
| 第8章 自约束交替四线性分解算法 | 第117-129页 |
| ·前言 | 第117-118页 |
| ·理论 | 第118-121页 |
| ·三线性模型（见5.2.1） | 第118页 |
| ·平行因子分析（PARAFAC）算法（见5.2.2） | 第118页 |
| ·自加权交替三线性分解（SWATLD）算法（见7.2.3） | 第118页 |
| ·二阶标准加入法（SOSAM） | 第118-119页 |
| ·四线性模型(见7.2.4) | 第119页 |
| ·四维平行因子分析（four-way PARAFAC）算法(见7.2.5) | 第119页 |
| ·交替惩罚四线性分解（APQLD）算法(见7.2.6) | 第119页 |
| ·交替加权残差约束四线性分解(AWRCQLD)算法(见7.2.7) | 第119页 |
| ·自约束交替四线性分解算法(SRAQLD) | 第119-121页 |
| ·实验 | 第121-122页 |
| ·仪器与试剂 | 第121页 |
| ·实验过程 | 第121-122页 |
| ·结果和讨论 | 第122-127页 |
| ·基于PARAFAC 和 SWATLD 的二阶校正方法定量检测血样中盐氯丙嗪浓度 | 第122-124页 |
| ·基于PARAFAC 和 SWATLD 的二阶标准加入法检测盐酸氯丙嗪的浓度 | 第124页 |
| ·基于四维PARAFAC, APQLD, AWCRQLD 和SRAQLD 算法的三阶校正方法检测血浆中盐酸氯丙嗪浓度 | 第124-127页 |
| ·小结 | 第127-129页 |
| 结论 | 第129-131页 |
| 参考文献 | 第131-162页 |
| 附录A 攻读学位期间发表及完成的论文目录 | 第162-165页 |
| 致谢 | 第165-166页 |
