| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-15页 |
| §1.1 研究背景 | 第7-9页 |
| §1.2 研究现状 | 第9-14页 |
| §1.2.1 GC-MS 数据特征信息提取方法的研究现状 | 第9-12页 |
| §1.2.2 近红外光谱分析中的特征信息提取方法研究现状 | 第12-14页 |
| §1.3 主要工作及论文结构 | 第14-15页 |
| 第二章 GC-MS 数据特征信息提取方法 | 第15-26页 |
| §2.1 GC-MS 系统的基本原理 | 第15-16页 |
| §2.2 GC-MS 数据的数学模型 | 第16-19页 |
| §2.2.1 GC-MS 数据的理想数学模型 | 第17-18页 |
| §2.2.2 PAPAFAC 模型 | 第18页 |
| §2.2.3 PAPAFAC2 模型 | 第18-19页 |
| §2.3 GC-MS 数据特征信息提取流程 | 第19-25页 |
| §2.3.1 去噪算法 | 第19页 |
| §2.3.2 基线校正算法 | 第19-20页 |
| §2.3.3 对齐算法 | 第20-21页 |
| §2.3.4 峰提取算法 | 第21-22页 |
| §2.3.5 去卷积算法 | 第22-24页 |
| §2.3.6 定性与定量算法 | 第24-25页 |
| §2.4 本章小结 | 第25-26页 |
| 第三章 GC-MS 数据特征信息的并行提取方法 | 第26-31页 |
| §3.1 质量色谱过滤算法 | 第26-27页 |
| §3.2 基于模式识别的去卷积算法 | 第27-28页 |
| §3.2.1 保留时间细分（Bining） | 第27页 |
| §3.2.2 质量色谱峰相似度的度量 | 第27-28页 |
| §3.2.3 质量色谱峰分层聚类 | 第28页 |
| §3.3 GC-MS 数据特征信息提取的三层并行架构 | 第28-29页 |
| §3.4 单样本定量算法 | 第29-30页 |
| §3.5 本章小结 | 第30-31页 |
| 第四章 GC-MS 数据特征信息并行提取方法的验证研究 | 第31-45页 |
| §4.1 样本制备及仪器条件 | 第31-33页 |
| §4.2 质量色谱过滤算法验证 | 第33-35页 |
| §4.2.1 计算速度 | 第33-34页 |
| §4.2.2 样本处理及对比 | 第34-35页 |
| §4.3 基于模式识别的去卷积算法实验验证 | 第35-39页 |
| §4.4 非重叠峰化合物的解析验证 | 第39-44页 |
| §4.4.1 复杂但可以从保留时间分开的峰 | 第39-42页 |
| §4.4.2 正常简单峰 | 第42-44页 |
| §4.5 实验结论 | 第44页 |
| §4.6 本章小结 | 第44-45页 |
| 第五章 GC-MS 数据特征信息并行提取算法的实现 | 第45-60页 |
| §5.1 并行编程模式 | 第45页 |
| §5.2 MPI 的多级并行策略 | 第45-47页 |
| §5.3 MPI 与 Boost thread 两层并行计算平台搭建 | 第47-48页 |
| §5.3.1 并行计算平台 | 第47-48页 |
| §5.4 软件架构与设计模式 | 第48-54页 |
| §5.4.1 软件架构 | 第48-49页 |
| §5.4.2 算法主要类的设计及采用的设计模式 | 第49-54页 |
| §5.5 单样本解析结果 | 第54-58页 |
| §5.6 并行实验结果 | 第58-59页 |
| §5.7 本章小结 | 第59-60页 |
| 第六章 近红外光谱分析中的特征信息提取方法 | 第60-74页 |
| §6.1 拉普拉斯特征映射的原理及应用 | 第60-65页 |
| §6.1.1 原理与算法 | 第60-61页 |
| §6.1.2 实验数据 | 第61-62页 |
| §6.1.3 实验数据处理 | 第62-63页 |
| §6.1.4 LE 算法优化及建模效果比较与验证 | 第63-65页 |
| §6.2 一种近红外光谱的特征信息提取方法及在中药柱层析过程中的应用 | 第65-72页 |
| §6.2.1 柱层析过程近红外在线监测原理 | 第65-67页 |
| §6.2.2 柱层析洗脱过程的近红外监测应用实例 | 第67-68页 |
| §6.2.3 近红外光谱的在线采集与 HPLC 离线分析 | 第68-69页 |
| §6.2.4 近红外在线监测与 HPLC 离线分析的对比讨论 | 第69-71页 |
| §6.2.5 近红外在线监测与在线模型预测对比讨论 | 第71-72页 |
| §6.3 本章小结 | 第72-74页 |
| 第七章 总结与展望 | 第74-76页 |
| §7.1 论文总结 | 第74-75页 |
| §7.2 工作展望 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 致谢 | 第81-82页 |
| 作者在攻读硕士期间主要研究成果 | 第82页 |
