支持向量机回归—近红外光谱法用于药物无损非破坏定量分析的研究
| 提要 | 第1-8页 |
| 第一章 化学计量学 | 第8-24页 |
| ·化学计量学发展概况 | 第8-10页 |
| ·化学计量学定义及研究范畴 | 第10-13页 |
| ·化学计量学在分析化学中的应用 | 第13-16页 |
| ·化学计量学在药品分析上的应用 | 第16-17页 |
| 参考文献 | 第17-24页 |
| 第二章 近红外光谱分析技术 | 第24-48页 |
| ·近红外光谱的发展概况 | 第24-25页 |
| ·近红外光谱的产生及光谱特征 | 第25-27页 |
| ·近红外光谱技术的特点 | 第27-29页 |
| ·近红外光谱分析实验技术 | 第29-33页 |
| ·近红外分析中的样品采样 | 第29-31页 |
| ·固体样品分析 | 第31-32页 |
| ·近红外光谱漫反射分析技术 | 第32-33页 |
| ·近红外光谱的定量分析 | 第33-37页 |
| ·校正模型训练集样品的选择 | 第33页 |
| ·测量光谱数据 | 第33-34页 |
| ·近红外分析中的样品装载 | 第34-35页 |
| ·校正样品集的选择 | 第35-36页 |
| ·分析未知样品 | 第36-37页 |
| ·近红外光谱分析中常用的多变量校正技术 | 第37-39页 |
| ·近红外光谱技术的应用 | 第39-42页 |
| 参考文献 | 第42-48页 |
| 第三章 支持向量机基本理论及其应用 | 第48-74页 |
| ·支持向量机的研究背景 | 第48-50页 |
| ·支持向量机的理论基础 | 第50-59页 |
| ·监督学习 | 第50-51页 |
| ·机器学习问题的表示 | 第51-52页 |
| ·经验风险最小化 | 第52-53页 |
| ·复杂性和泛化性 | 第53-55页 |
| ·VC 维 | 第55-56页 |
| ·推广性的界 | 第56-57页 |
| ·结构风险最小化 | 第57-58页 |
| ·用于学习的支持向量机 | 第58-59页 |
| ·支持向量机分类理论 | 第59-61页 |
| ·线性可分情况 | 第60页 |
| ·线性不可分情况 | 第60-61页 |
| ·支持向量机回归理论 | 第61-64页 |
| ·支持向量机的应用 | 第64-66页 |
| 参考文献 | 第66-74页 |
| 第四章 土霉素药品的定量分析 | 第74-86页 |
| ·实验部分 | 第75-79页 |
| ·仪器和软件 | 第75页 |
| ·样品的制备 | 第75-76页 |
| ·样品的含量测定 | 第76页 |
| ·样品的测量条件 | 第76-79页 |
| ·支持向量回归模型性能评估 | 第79页 |
| ·结果与讨论 | 第79-85页 |
| ·本章小结 | 第85页 |
| 参考文献 | 第85-86页 |
| 第五章 氧氟沙星药品的定量分析 | 第86-96页 |
| ·实验部分 | 第87-90页 |
| ·仪器和软件 | 第87页 |
| ·样品的制备 | 第87-88页 |
| ·样品的含量测定 | 第88-89页 |
| ·样品的测量条件 | 第89-90页 |
| ·支持向量回归模型性能评估 | 第90页 |
| ·结果与讨论 | 第90-95页 |
| ·本章小结 | 第95页 |
| 参考文献 | 第95-96页 |
| 第六章 氨苄西林药品的定量分析 | 第96-111页 |
| ·实验部分 | 第97-105页 |
| ·仪器和软件 | 第97页 |
| ·样品的制备 | 第97-98页 |
| ·样品的含量测定 | 第98-103页 |
| ·样品的测量条件 | 第103-104页 |
| ·支持向量回归模型性能评估 | 第104-105页 |
| ·结果与讨论 | 第105-110页 |
| ·本章小结 | 第110页 |
| 参考文献 | 第110-111页 |
| 摘要 | 第111-115页 |
| Abstract | 第115-122页 |
| 致谢 | 第122页 |
