提要 | 第1-7页 |
第1章 绪论 | 第7-22页 |
·近红外光谱技术的发展概述 | 第7-8页 |
·近红外光谱分析的理论基础 | 第8-10页 |
·近红外光谱技术的特点 | 第10-12页 |
·近红外光谱分析技术的影响因素 | 第12-13页 |
·近红外光谱定量分析的基本步骤 | 第13-17页 |
·选择有代表性的样品 | 第13页 |
·测量样本的近红外光谱 | 第13-14页 |
·选择适当方法对原始光谱进行预处理 | 第14页 |
·采用标准或认可的参考方法测定样本的基础数据 | 第14页 |
·建立数学校正模型 | 第14-15页 |
·评定校正模型 | 第15页 |
·测定未知样本组成或性质 | 第15-17页 |
参考文献 | 第17-22页 |
第2章 化学计量学 | 第22-43页 |
·近红外光谱的预处理方法 | 第23-26页 |
·导数(Derivation) | 第23-24页 |
·多元散射校正(MSC) | 第24页 |
·标准归一化(SNV) | 第24-25页 |
·隐变量正交投影(OPLS) | 第25-26页 |
·主成分分析(PCA) | 第26-27页 |
·定量分析方法 | 第27-36页 |
·偏最小二乘法(PLS) | 第27页 |
·人工神经网络(ANN) | 第27-33页 |
·支持向量回归(SVR) | 第33-36页 |
参考文献 | 第36-43页 |
第3章 氨苄西林药品定量分析 | 第43-63页 |
·实验部分 | 第43-44页 |
·实验仪器及软件 | 第43页 |
·样品的制备 | 第43-44页 |
·近红外光谱测量条件 | 第44页 |
·结果与讨论 | 第44-61页 |
·基于OPLS 预处理光谱数据的最佳ANN 模型的建立 | 第46-51页 |
·基于其它两种预处理光谱数据所建立的ANN 模型 | 第51-56页 |
·人工神经网络模型的可靠性评价 | 第56-61页 |
·本章小结 | 第61-62页 |
参考文献 | 第62-63页 |
第4章 青霉素V 钾药品的定量分析 | 第63-94页 |
·实验部分 | 第63-64页 |
·实验仪器及软件 | 第63页 |
·样品的制备 | 第63-64页 |
·近红外光谱测量条件 | 第64页 |
·结果与讨论 | 第64-92页 |
·基于OPLS 预处理光谱数据的最佳ANN 模型的建立 | 第67-72页 |
·基于原始光谱以及其它几种预处理光谱数据所建立的ANN 模型 | 第72-84页 |
·人工神经网络模型的可靠性评价 | 第84-92页 |
·本章小结 | 第92-93页 |
参考文献 | 第93-94页 |
第5章 双氯芬酸钠药品的定量分析 | 第94-123页 |
·实验部分 | 第94-96页 |
·实验仪器及软件 | 第94页 |
·样品的制备 | 第94-95页 |
·近红外光谱测量条件 | 第95-96页 |
·结果与讨论 | 第96-120页 |
·基于OPLS 预处理光谱数据的最佳ANN 模型的建立 | 第97-101页 |
·PC-ANN 模型及基于其它几种预处理光谱数据的ANN 模型的建立 | 第101-112页 |
·人工神经网络模型的可靠性评价 | 第112-118页 |
·偏最小二乘法预测双氯芬酸钠的含量 | 第118-120页 |
·本章小结 | 第120-122页 |
参考文献 | 第122-123页 |
第6章 氢氧化铝药品的定量分析 | 第123-154页 |
·实验部分 | 第123-125页 |
·实验仪器及软件 | 第123页 |
·样品的制备 | 第123-124页 |
·近红外光谱测量条件 | 第124-125页 |
·结果与讨论 | 第125-152页 |
·基于样本原始光谱数据的最佳SVR 模型的建立 | 第127-129页 |
·SVR 模型的可靠性评价 | 第129-130页 |
·基于OPLS 预处理光谱数据的最佳ANN 模型的建立 | 第130-134页 |
·基于原始光谱以及其它预处理光谱数据所建立的 ANN 模型 | 第134-144页 |
·人工神经网络模型的可靠性评价 | 第144-150页 |
·偏最小二乘法预测双氯芬酸钠的含量 | 第150-152页 |
·本章小结 | 第152-153页 |
参考文献 | 第153-154页 |
全文总结 | 第154-156页 |
科研成果 | 第156-160页 |
致谢 | 第160-161页 |
摘要 | 第161-164页 |
Abstract | 第164-167页 |