| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-13页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 表面增强拉曼光谱技术及其应用 | 第13-15页 |
| 1.1.1 拉曼光谱技术简介 | 第13-14页 |
| 1.1.2 表面增强拉曼光谱技术简介 | 第14-15页 |
| 1.1.3 表面增强拉曼光谱技术的应用 | 第15页 |
| 1.2 表面增强拉曼光谱信息处理与识别方法综述 | 第15-19页 |
| 1.2.1 光谱预处理 | 第16-17页 |
| 1.2.2 特征提取 | 第17页 |
| 1.2.3 定性分析-分类方法 | 第17-18页 |
| 1.2.4 定量分析-数学建模 | 第18-19页 |
| 1.3 课题研究的目的及意义 | 第19-21页 |
| 1.3.1 课题的立项意义 | 第19页 |
| 1.3.2 课题研究内容 | 第19-21页 |
| 第2章 拉曼光谱预处理 | 第21-37页 |
| 2.1 平滑去噪 | 第21-25页 |
| 2.2 基线校正 | 第25-35页 |
| 2.2.1 基于多项式拟合技术的基线校正方法 | 第25-27页 |
| 2.2.2 基于小波变换技术的基线校正方法 | 第27-29页 |
| 2.2.3 基于傅里叶变换技术的基线校正方法 | 第29-30页 |
| 2.2.4 稳健傅里叶变换基线校正方法 | 第30-31页 |
| 2.2.5 基于一阶导数平滑的基线校正方法 | 第31-33页 |
| 2.2.6 基线校正方法对比 | 第33-35页 |
| 2.3 归一化 | 第35-37页 |
| 第3章 光谱特征提取 | 第37-53页 |
| 3.1 基于拟合方法的光谱特征提取方法研究 | 第37-39页 |
| 3.1.1 函数拟合原理及参数选择 | 第37-38页 |
| 3.1.2 拟合算法在拉曼光谱检测中特征提取的应用 | 第38-39页 |
| 3.2 基于主成分分析技术的光谱特征提取方法研究 | 第39-47页 |
| 3.2.1 主成分分析原理简介 | 第40-41页 |
| 3.2.2 主成分分析主成分选择方法 | 第41-44页 |
| 3.2.3 主成分分析在拉曼光谱特征提取中的应用 | 第44-47页 |
| 3.3 基于独立分量分析的光谱特征提取方法研究 | 第47-53页 |
| 3.3.1 独立分量分析原理简介 | 第47-48页 |
| 3.3.2 独立分量分析存在的问题及改进方法研究 | 第48-49页 |
| 3.3.3 独立分量分析在包含重叠特征峰的复杂体系中的应用 | 第49-53页 |
| 第4章 光谱特征分类 | 第53-71页 |
| 4.1 基于反向传播人工神经网络(BP网络)的分类器的研究 | 第53-61页 |
| 4.1.1 人工神经网络简介 | 第53-55页 |
| 4.1.2 BP网络实现及改进 | 第55-57页 |
| 4.1.3 BP网络在拉曼光谱定性分析中的应用及结果 | 第57-61页 |
| 4.2 基于支持向量机(SVM)的分类器的研究 | 第61-64页 |
| 4.2.1 SVM原理简介 | 第61-63页 |
| 4.2.2 SVM在水中砷痕量检测中的应用 | 第63-64页 |
| 4.3 基于线性判别分析的分类器的研究 | 第64-71页 |
| 4.3.1 LDA原理简介 | 第64-66页 |
| 4.3.2 LDA在复杂体系SERS检测中的应用 | 第66-67页 |
| 4.3.3 LDA与PCA联用技术 | 第67-71页 |
| 第5章 表面增强拉曼光谱定量分析 | 第71-77页 |
| 5.1 拉曼光谱定量分析信息处理技术综述 | 第71-72页 |
| 5.1.1 线性校正方法 | 第71页 |
| 5.1.2 非线性校正方法 | 第71-72页 |
| 5.2 表面增强拉曼光谱定量分析的挑战及机遇 | 第72-73页 |
| 5.3 牛奶中硫氰酸根的表面增强拉曼光谱定量分析 | 第73-74页 |
| 5.4 定量结果分析 | 第74-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 攻读硕士学位期间参与的科研项目 | 第85-87页 |
| 攻读硕士学位期间的科研成果 | 第87-89页 |
| 致谢 | 第89页 |
