| 第一章 绪论 | 第1-41页 |
| 第一节 化学计量学与中药分析 | 第8-36页 |
| 1．1 化学计量学简介 | 第8-11页 |
| 1．2 化学计量学中的多元校正方法 | 第11-20页 |
| 1．3 化学计量学中的多元分辨方法 | 第20-34页 |
| 1．4 化学计量学在中药分析中的应用情况 | 第34-36页 |
| 第二节 小波分析的发展以及在化学计量学中的应用 | 第36-40页 |
| 2．1 小波分析的发展 | 第36-37页 |
| 2．2 小波分析在化学计量学中的应用 | 第37-40页 |
| 第三节 本研究工作的内容 | 第40-41页 |
| 3．1 本研究的主要思路与方法 | 第40页 |
| 3．2 各章节安排 | 第40-41页 |
| 第二章 多元校正 | 第41-87页 |
| 第一节 小波基空间主成分回归的理论与应用 | 第41-71页 |
| 1．1 小波分析简介 | 第41-49页 |
| 1．2 因子分析和多判据因子分析 | 第49-59页 |
| 1．3 多分辨小波主成分分析 | 第59-62页 |
| 1．4 阈值小波主成分分析 | 第62-66页 |
| 1．5 极大模小波主成分分析 | 第66-68页 |
| 1．6 小波包主成分分析 | 第68-71页 |
| 第二节 神经网络技术在多元校正中的应用 | 第71-77页 |
| 2．1 人工神经网络简介 | 第71-72页 |
| 2．2 自组织网络用于选择波长点 | 第72-75页 |
| 2．3 自组织网络用于优化小波系数选择 | 第75-77页 |
| 第三节 遗传算法 | 第77-87页 |
| 3．1 遗传算法简介 | 第77-78页 |
| 3．2 遗传算法用于波长点选择 | 第78-81页 |
| 3．3 遗传算法用于优化小波基选择 | 第81-87页 |
| 第三章 多元曲线分辨 | 第87-113页 |
| 第一节 小波演进因子分析 | 第87-89页 |
| 第二节 移动窗口多判据因子分析 | 第89-94页 |
| 第三节 小波目标因子检测法 | 第94-97页 |
| 第四节 小波移动窗口因子分析 | 第97-102页 |
| 第五节 峰纯度检测 | 第102-106页 |
| 第六节 中药重叠峰解析实例 | 第106-113页 |
| 第四章 中药模式识别 | 第113-120页 |
| 1．1 简介 | 第113页 |
| 1．2 基本理论 | 第113-114页 |
| 1．2．1 分形维数 | 第113-114页 |
| 1．3 实验部分 | 第114-116页 |
| 1．3．1 实验数据 | 第114-115页 |
| 1．3．2 数据处理过程 | 第115-116页 |
| 1．4 结果与讨论 | 第116-118页 |
| 1．4．1 保留时间波动对分形特征影响的仿真研究 | 第116页 |
| 1．4．2 小波基以及分解级数的选择 | 第116-117页 |
| 1．4．3 小波分形特征提取用于中药注射剂生产厂家分类鉴别 | 第117-118页 |
| 1．4．4 分形特征用于中药参麦注射剂不同工艺条件的鉴别分析 | 第118页 |
| 1．5 结论 | 第118-120页 |
| 第五章 总结与展望 | 第120-121页 |
| 致谢 | 第121页 |