| 提要 | 第1-8页 |
| 第一章 绪论 | 第8-45页 |
| ·近红外光谱技术的发展 | 第8-10页 |
| ·近红外光谱分析的理论基础 | 第10-16页 |
| ·近红外光谱的产生原理 | 第10-12页 |
| ·近红外光谱的定量分析原理 | 第12-16页 |
| ·近红外光谱技术的特点 | 第16-19页 |
| ·近红外光谱技术的优点 | 第16-18页 |
| ·近红外光谱技术的缺点 | 第18-19页 |
| ·近红外光谱分析基本流程 | 第19-23页 |
| ·训练集样品的选择 | 第19-20页 |
| ·标准方法的测定 | 第20页 |
| ·光谱数据的测量 | 第20-21页 |
| ·校正模型的建立与验证 | 第21-22页 |
| ·未知样品的预测 | 第22-23页 |
| ·近红外光谱分析中常见的化学计量学方法 | 第23-30页 |
| ·光谱预处理方法 | 第24-26页 |
| ·定量分析方法 | 第26-29页 |
| ·定性分析方法 | 第29-30页 |
| ·近红外光谱技术的应用 | 第30-34页 |
| ·本文研究目标和内容 | 第34-36页 |
| 参考文献 | 第36-45页 |
| 第二章 神经网络与自适应神经模糊推理系统概述 | 第45-83页 |
| ·RBF 神经网络 | 第47-53页 |
| ·RBF 神经网络结构 | 第47-49页 |
| ·正交最小二乘（OLS）训练算法 | 第49-52页 |
| ·模型参数评价指标 | 第52-53页 |
| ·基于遗传算法的RBF 网络训练方法 | 第53-63页 |
| ·遗传算法基本原理 | 第53-58页 |
| ·GA-RBF 神经网络 | 第58-63页 |
| ·自适应神经模糊推理系统 | 第63-71页 |
| ·模糊集合 | 第63-64页 |
| ·语言变量 | 第64-65页 |
| ·模糊关系 | 第65页 |
| ·模糊if-then 规则 | 第65-66页 |
| ·模糊推理 | 第66-67页 |
| ·模糊推理系统 | 第67-68页 |
| ·ANFIS 结构 | 第68-70页 |
| ·混合学习算法 | 第70-71页 |
| ·ANN、GA 和ANFIS 在化学领域中的应用 | 第71-74页 |
| 参考文献 | 第74-83页 |
| 第三章 短波NIR 光谱结合RBF 网络对琥乙红霉素粉末药品的定量分析 | 第83-103页 |
| ·实验部分 | 第83-84页 |
| ·实验仪器及软件 | 第83页 |
| ·样品的制备及含量测定 | 第83-84页 |
| ·测量条件 | 第84页 |
| ·结果与讨论 | 第84-101页 |
| ·近红外漫反射光谱 | 第84-85页 |
| ·原始光谱的最优RBF 网络模型 | 第85-87页 |
| ·预处理光谱的最优RBF 网络模型 | 第87-90页 |
| ·RBF 网络模型的可靠性评价 | 第90-100页 |
| ·偏最小二乘法预测琥乙红霉素粉末药品含量 | 第100-101页 |
| ·本章小结 | 第101-102页 |
| 参考文献 | 第102-103页 |
| 第四章 NIR 光谱结合PCA-RBF 网络对阿莫西林粉末药品的定量分析 | 第103-123页 |
| ·实验部分 | 第103-104页 |
| ·实验仪器及软件 | 第103页 |
| ·样品的制备及含量测定 | 第103-104页 |
| ·测量条件 | 第104页 |
| ·结果与讨论 | 第104-122页 |
| ·近红外漫反射光谱 | 第104-106页 |
| ·原始光谱的最优PCA-RBF 网络模型 | 第106-108页 |
| ·SNV 光谱和MSC 光谱的最优PCA-RBF 网络模型 | 第108-109页 |
| ·PCA-RBF 网络模型的可靠性评价 | 第109-117页 |
| ·主成分回归和偏最小二乘法的预测结果 | 第117-122页 |
| ·本章小结 | 第122页 |
| 参考文献 | 第122-123页 |
| 第五章 NIR 光谱结合GA-RBF 网络对琥乙红霉素粉末药品的定量分析 | 第123-146页 |
| ·实验部分 | 第123-124页 |
| ·实验仪器及软件 | 第123页 |
| ·样品的制备及含量测定 | 第123-124页 |
| ·测量条件 | 第124页 |
| ·结果与讨论 | 第124-144页 |
| ·近红外漫反射光谱 | 第124-127页 |
| ·MSC 光谱的最优GA-RBF 网络模型 | 第127-133页 |
| ·其它预处理光谱的最优GA-RBF 网络模型 | 第133-136页 |
| ·GA-RBF 网络模型的可靠性评价 | 第136-137页 |
| ·RBF 网络模型的预报结果 | 第137-144页 |
| ·本章小结 | 第144-145页 |
| 参考文献 | 第145-146页 |
| 第六章 NIR 光谱结合波段选择 GA-RBF 网络对甲砜霉素粉末药品的定量分析 | 第146-165页 |
| ·实验部分 | 第146-148页 |
| ·实验仪器及软件 | 第146页 |
| ·样品的制备及含量测定 | 第146-147页 |
| ·测量条件 | 第147-148页 |
| ·结果与讨论 | 第148-163页 |
| ·近红外漫反射光谱 | 第148-151页 |
| ·MSC 光谱的最优GA-RBF 网络模型 | 第151-152页 |
| ·其它预处理光谱的最优GA-RBF 网络模型 | 第152-157页 |
| ·GA-RBF 网络模型的可靠性评价 | 第157-158页 |
| ·基于全光谱数据的GA-RBF 网络 | 第158-163页 |
| ·本章小结 | 第163-164页 |
| 参考文献 | 第164-165页 |
| 第七章 NIR 光谱结合ANFIS 对盐酸氟桂利嗪粉末药品的定量分析 | 第165-191页 |
| ·实验部分 | 第165-167页 |
| ·实验仪器及软件 | 第165页 |
| ·样品的制备及含量测定 | 第165-166页 |
| ·测量条件 | 第166-167页 |
| ·结果与讨论 | 第167-189页 |
| ·近红外漫反射光谱 | 第167-169页 |
| ·SNV 预处理光谱的最优PCA-ANFIS 模型 | 第169-175页 |
| ·其它光谱的最优PCA-ANFIS 模型 | 第175-177页 |
| ·PCA-ANFIS 模型的可靠性评价 | 第177-186页 |
| ·PLS 模型的预报结果 | 第186-189页 |
| ·本章小结 | 第189-190页 |
| 参考文献 | 第190-191页 |
| 全文总结 | 第191-194页 |
| 攻读博士学位期间发表的学术论文 | 第194-197页 |
| 致谢 | 第197-198页 |
| 摘要 | 第198-202页 |
| Abstract | 第202-206页 |
