| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-20页 |
| ·研究的目的及意义 | 第10-11页 |
| ·国内外食品添加剂检测研究现状 | 第11-13页 |
| ·近红外光谱分析技术简介 | 第13-18页 |
| ·近红外光谱分析技术的回顾 | 第13-14页 |
| ·近红外光谱分析的基本原理 | 第14-17页 |
| ·近红外光谱分析技术的特点 | 第17页 |
| ·近红外光谱定量分析的一般步骤 | 第17-18页 |
| ·本研究的对象、任务和内容 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第二章 甜蜜素的紫外吸收光谱和近红外光谱试验数据采集 | 第20-25页 |
| ·紫外吸收光谱法检测果冻中甜蜜素含量 | 第20-22页 |
| ·紫外吸收光谱法原理 | 第20-21页 |
| ·试剂与仪器 | 第21页 |
| ·检测过程及标准曲线 | 第21-22页 |
| ·检测结果 | 第22页 |
| ·果冻近红外光谱的获取 | 第22-24页 |
| ·试验仪器及参数选择 | 第22-24页 |
| ·光谱的采集 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 甜蜜素近红外光谱的预处理 | 第25-36页 |
| ·常规方法应用于甜蜜素光谱预处理 | 第25-30页 |
| ·平滑和导数处理 | 第25-27页 |
| ·标准正态变量变换(SNV) | 第27-28页 |
| ·均值中心化与多元散射校正 | 第28-30页 |
| ·小波变换(WT)应用于甜蜜素光谱预处理 | 第30-35页 |
| ·几种预处理方法效果的比较 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第四章 基于主成分分析(PCA)与BP神经网络的甜蜜素含量模型 | 第36-42页 |
| ·主成分分析法(PCA) | 第36页 |
| ·BP神经网络 | 第36-40页 |
| ·BP算法 | 第38-39页 |
| ·BP网络模型 | 第39-40页 |
| ·主成分分析与BP神经网络模型的建立 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 甜蜜素光谱的波长筛选及模型优化 | 第42-54页 |
| ·区间偏最小二乘法(Interval PLS) | 第42-46页 |
| ·遗传算法(Genetic Algorithms，GA) | 第46-52页 |
| ·基于遗传算法(GA)的BP网络模型 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| ·主要结论 | 第54页 |
| ·今后展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60-61页 |
| 在读学位期间发表的论文 | 第61-62页 |
| 附录 | 第62-64页 |
