| 摘要 | 第1-5页 |
| ABSTRACT | 第5-15页 |
| 绪论 | 第15-21页 |
| ·前言 | 第15页 |
| ·我国烟草行业的基本情况 | 第15-16页 |
| ·世界烟草行业的基本格局 | 第16-17页 |
| ·研究现状 | 第17-19页 |
| ·烟草化学研究现状 | 第17-18页 |
| ·烟叶质量评价研究现状 | 第18-19页 |
| ·本文的目的、意义和主要研究内容 | 第19-21页 |
| ·本文的目的和意义 | 第19-20页 |
| ·本文的主要研究内容 | 第20-21页 |
| 第一篇 烟草化学 | 第21-61页 |
| 第一章 烟叶化学 | 第21-40页 |
| ·烟叶的基本化学成分与各种类型烟叶之间的差别 | 第21-24页 |
| ·烟叶的化学成分 | 第24-38页 |
| ·糖类和淀粉 | 第24-27页 |
| ·糖酯 | 第27页 |
| ·糖甙 | 第27-28页 |
| ·纤维素与半纤维素 | 第28-29页 |
| ·果胶 | 第29页 |
| ·含氮化合物 | 第29-31页 |
| ·烟草的生物碱 | 第31-32页 |
| ·叶绿素 | 第32页 |
| ·类胡箩卜素 | 第32页 |
| ·萜类化合物 | 第32-36页 |
| ·羧酸 | 第36-37页 |
| ·酚类化合物 | 第37-38页 |
| ·烟草甾醇 | 第38页 |
| ·无机化合物 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第二章 烟叶的常规化学成分及氨基酸分析 | 第40-52页 |
| ·烟叶的常规化学成分分析 | 第40-41页 |
| ·实验材料与方法 | 第40页 |
| ·实验仪器 | 第40-41页 |
| ·实验项目 | 第41页 |
| ·实验结果 | 第41页 |
| ·烟叶中的氨基酸成分分析 | 第41-50页 |
| ·实验材料与方法 | 第42页 |
| ·实验仪器 | 第42-43页 |
| ·实验项目 | 第43-44页 |
| ·实验 | 第44-50页 |
| ·实验结果 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第三章 烟叶的挥发性成分分析 | 第52-61页 |
| ·烟叶样品的前处理方法 | 第52页 |
| ·烟叶挥发性成分的分析方法 | 第52-54页 |
| ·实验材料与方法 | 第54页 |
| ·实验仪器 | 第54-56页 |
| ·实验 | 第56-59页 |
| ·溶液配制 | 第56页 |
| ·样品前处理 | 第56-57页 |
| ·定性分析 | 第57-58页 |
| ·定量测定 | 第58-59页 |
| ·实验结果 | 第59-60页 |
| ·本章小节 | 第60-61页 |
| 第二篇 数据管理 | 第61-97页 |
| 第四章 烟叶品质数据库的建库 | 第61-73页 |
| ·国内外研究进展 | 第61-62页 |
| ·数据库的主要目标及内容 | 第62页 |
| ·总体方案设计 | 第62-63页 |
| ·系统开发模式的选择 | 第63-66页 |
| ·方案描述 | 第63-64页 |
| ·网络拓扑 | 第64页 |
| ·系统软件平台及采用技术 | 第64-66页 |
| ·系统设计与实现 | 第66-70页 |
| ·系统模块设计 | 第66页 |
| ·数据库设计 | 第66-67页 |
| ·系统对象模型 | 第67-69页 |
| ·烟叶品质数据库的开发工具 | 第69-70页 |
| ·系统技术指标 | 第70-71页 |
| ·系统要求 | 第70页 |
| ·系统安全 | 第70-71页 |
| ·本数据库的特点 | 第71页 |
| ·需进一步改进的问题 | 第71页 |
| ·本章小节 | 第71-73页 |
| 第五章 烟叶品质数据库软件介绍 | 第73-97页 |
| ·软件简介及系统要求 | 第73-96页 |
| ·本章小节 | 第96-97页 |
| 第三篇 人工神经网络在烟叶质量预测中的运用 | 第97-185页 |
| 第六章 基于人工神经网络模式识别的基本理论 | 第97-118页 |
| ·概述 | 第97-103页 |
| ·人工神经网络的产生 | 第97-99页 |
| ·人工神经元的基本概念 | 第99-103页 |
| ·人工神经网络的拓扑结构以及网络类型 | 第103-114页 |
| ·BP网络 | 第104-110页 |
| ·RBF神经网络 | 第110-114页 |
| ·神经网络模拟数据预处理 | 第114-117页 |
| ·研究问题的变量分析 | 第115页 |
| ·数据冗余度分析 | 第115页 |
| ·数据变换处理 | 第115-117页 |
| ·预测数据对模型参数的修正 | 第117页 |
| ·人工神经网络在本文中的应用 | 第117页 |
| ·本章小结 | 第117-118页 |
| 第七章 BP神经网络对烟叶质量的预测 | 第118-143页 |
| ·根据常规化学指标识别烟叶质量的BP神经网络模型 | 第118-125页 |
| ·常规化学指标到烟叶质量识别模型的建立 | 第118-120页 |
| ·BP网络隐接点数的选取 | 第120-122页 |
| ·BP网络的训练和检验 | 第122-124页 |
| ·结果与讨论 | 第124-125页 |
| ·根据常规化学成分与氨基酸成分识别烟叶质量的BP神经网络模型 | 第125-138页 |
| ·十种常规化学指标的烟叶品质预测 | 第125-131页 |
| ·根据烟叶的氨基酸指标对烟叶品质的预测 | 第131-134页 |
| ·采用常规理化指标与氨基酸指标对烟叶质量的预测 | 第134-138页 |
| ·根据挥发性指标识别烟叶品质的BP神经网络模型 | 第138-141页 |
| ·模型建立与模型训练 | 第138-141页 |
| ·结果讨论 | 第141页 |
| ·本章小节 | 第141-143页 |
| 第八章 RBF网络对烟叶质量的预测 | 第143-153页 |
| ·问题的提出 | 第143页 |
| ·RBF网络与BP网络的比较 | 第143-145页 |
| ·BP网络存在的问题 | 第143-144页 |
| ·RBF网络与BP网络之间的差别 | 第144-145页 |
| ·RBF网络的设计与实现 | 第145-149页 |
| ·RBF网络与BP网络性能比较 | 第145页 |
| ·径向基函数神经元的模型 | 第145-146页 |
| ·径向基函数的网络结构 | 第146-147页 |
| ·径向基函数网络的实现 | 第147-148页 |
| ·网络参数的优化 | 第148-149页 |
| ·样本试算 | 第149-152页 |
| ·结果讨论 | 第152页 |
| ·本章小节 | 第152-153页 |
| 第九章 基于遗传算法的BP神经网络 | 第153-167页 |
| ·概述 | 第153-154页 |
| ·遗传算法的基本理论 | 第154-159页 |
| ·基因、染色体与编码 | 第154-155页 |
| ·适合度(Fitness) | 第155页 |
| ·遗传算法的基本运算 | 第155-157页 |
| ·基本遗传算法 | 第157-159页 |
| ·遗传算法对神经网络的改进 | 第159-164页 |
| ·遗传算法的优点 | 第159-160页 |
| ·利用遗传算法辅助设计神经网络的权值和阈值 | 第160-164页 |
| ·采用BP-GA神经网络对烟叶质量的预测模型 | 第164-166页 |
| ·样本试算 | 第164-165页 |
| ·结果讨论 | 第165-166页 |
| ·本章小节 | 第166-167页 |
| 第十章 采用改进的GA-BP网络对烟叶质量的预测 | 第167-181页 |
| ·遗传算法的改进 | 第167-171页 |
| ·遗传算法的研究现状 | 第167-168页 |
| ·标准遗传算法的缺陷及改进 | 第168-169页 |
| ·几种改进的遗传算法 | 第169-171页 |
| ·采用改进的BP-GA混合算法神经网络对烟叶质量的预测模型 | 第171-178页 |
| ·自适应杂交变异和最优保存策略的GA—BP神经网络学习算法 | 第171-173页 |
| ·样本试算一 | 第173-174页 |
| ·改进的GA—BP混合神经网络学习算法 | 第174-176页 |
| ·样本试算二 | 第176-177页 |
| ·结果讨论 | 第177-178页 |
| ·本章小节 | 第178-181页 |
| 第十一章 结论及展望 | 第181-185页 |
| ·主要结论 | 第181-183页 |
| ·建议 | 第183页 |
| ·展望 | 第183-185页 |
| ·经济效益分析 | 第183-184页 |
| ·社会效益分析 | 第184页 |
| ·推广应用前景 | 第184-185页 |
| 参考文献 | 第185-198页 |
| 作者在博士期间取得的科研成果 | 第198-199页 |
| 作者在博士期间发表的论文 | 第199-200页 |
| 致谢 | 第200-201页 |
| 声明 | 第201页 |
