| 中文摘要 | 第1-9页 |
| 英文摘要 | 第9-11页 |
| 英文缩略语 | 第11-12页 |
| 第一章 绪论 | 第12-23页 |
| 1 近红外光谱分析技术 | 第12-17页 |
| ·近红外光谱 | 第13页 |
| ·近红外光谱分析技术 | 第13-14页 |
| ·化学计量学 | 第14-17页 |
| ·光谱预处理方法 | 第15页 |
| ·化学计量学建立分析检测模型 | 第15-17页 |
| ·判别(定性)分析 | 第15-16页 |
| ·定量分析 | 第16-17页 |
| 2 近红外光谱技术在食品、饲料多组分检测中的国内外研究应用进展 | 第17-20页 |
| 3 本课题来源、研究意义及主要内容 | 第20-23页 |
| ·课题来源 | 第20页 |
| ·研究价值与意义 | 第20-21页 |
| ·主要研究内容 | 第21-23页 |
| 第二章 近红外光谱技术结合不同的化学计量学方法在食品、饲料中的定量分析研究 | 第23-78页 |
| 1 偏最小二乘与人工神经网络用于近红外光谱技术多成分定量分析研究 | 第23-46页 |
| ·饲料中水分、灰分、蛋白质、磷含量的同时测定 | 第26-34页 |
| ·仪器及主要软件 | 第26页 |
| ·样品的选择 | 第26-27页 |
| ·样品图谱采集 | 第27-28页 |
| ·样品光谱数据处理 | 第28-30页 |
| ·建立PLS-BP预测校正模型 | 第30-32页 |
| ·网络参数选择 | 第30-31页 |
| ·建立PLS-BP模型 | 第31-32页 |
| ·预测集样品对PLS-BP模型的检验 | 第32-34页 |
| ·模型预测能力重现性实验 | 第34页 |
| ·饲料中四种氨基酸含量的同时测定 | 第34-41页 |
| ·仪器及主要软件 | 第35页 |
| ·样品的选择 | 第35页 |
| ·样品图谱采集 | 第35-36页 |
| ·样品光谱数据处理 | 第36-37页 |
| ·建立PLS-BP预测校正模型 | 第37-39页 |
| ·网络参数选择 | 第37-38页 |
| ·建立PLS-BP模型 | 第38-39页 |
| ·预测集样品对PLS-BP模型的检验 | 第39-41页 |
| ·模型预测能力重现性实验 | 第41页 |
| ·土豆中三种营养成分含量的同时测定 | 第41-45页 |
| ·仪器及主要软件 | 第42页 |
| ·样品的选择 | 第42页 |
| ·样品图谱采集 | 第42页 |
| ·建立PLS-BP预测校正模型 | 第42-43页 |
| ·预测集样品对PLS-BP模型的检验 | 第43-45页 |
| ·小结 | 第45-46页 |
| 2 偏最小二乘与广义回归神经网络用于近红外光谱技术多成分定量分析研究 | 第46-65页 |
| ·饲料中水溶性氯、粗纤维、粗脂肪含量的同时测定 | 第47-54页 |
| ·样品的选择 | 第48页 |
| ·仪器及主要软件 | 第48-49页 |
| ·样品图谱采集 | 第49页 |
| ·样品光谱数据处理 | 第49-50页 |
| ·GRNN光滑因子数的选择 | 第50-51页 |
| ·预测集样品对PLS-GRNN模型的检验 | 第51-53页 |
| ·模型预测能力重现性实验 | 第53-54页 |
| ·土豆中三种营养成分含量的同时测定 | 第54-59页 |
| ·仪器及主要软件 | 第54页 |
| ·样品的选择 | 第54页 |
| ·样品图谱采集 | 第54-55页 |
| ·样品光谱数据处理 | 第55-57页 |
| ·GRNN光滑因子数的选择 | 第57-58页 |
| ·预测集样品对PLS-GRNN模型的检验 | 第58-59页 |
| ·南丰蜜桔总糖、总酸含量的测定 | 第59-64页 |
| ·仪器及主要软件 | 第59页 |
| ·样品的选择 | 第59-60页 |
| ·样品图谱采集 | 第60页 |
| ·样品光谱数据处理 | 第60-62页 |
| ·GRNN光滑因子数的选择 | 第62-63页 |
| ·样品对PLS-GRNN模型的检验 | 第63-64页 |
| ·模型预测重现性检验 | 第64页 |
| ·小结 | 第64-65页 |
| 3 偏最小二乘与Elman神经网络用于近红外光谱技术多成分定量分析研究 | 第65-78页 |
| ·饲料中四种氨基酸含量的同时测定 | 第68-72页 |
| ·仪器及主要软件 | 第68页 |
| ·样品的选择 | 第68页 |
| ·样品图谱采集 | 第68-69页 |
| ·样品光谱数据处理 | 第69-70页 |
| ·网络的设计与训练 | 第70-71页 |
| ·预测集样品对Elman网络模型的检验 | 第71-72页 |
| ·西红柿中的类胡萝卜素总量的测定 | 第72-76页 |
| ·仪器及主要软件 | 第73页 |
| ·样品的选择 | 第73页 |
| ·样品图谱采集 | 第73-74页 |
| ·样品光谱数据处理 | 第74-75页 |
| ·网络的设计与训练 | 第75页 |
| ·预测集样品对Elman网络模型的检验 | 第75-76页 |
| ·小结 | 第76-78页 |
| 第三章 化学计量学用于近红外光谱技术模式识别(定性分析)研究 | 第78-84页 |
| 1 自组织竞争神经网络用于近红外光谱技术模式识别分析研究 | 第80-84页 |
| ·巴氏杀菌乳与复原乳的快速区分 | 第80-83页 |
| ·仪器及主要软件 | 第80-81页 |
| ·样品的选择 | 第81页 |
| ·样品图谱采集 | 第81页 |
| ·样品光谱数据处理 | 第81-82页 |
| ·建立自组织竞争网络判别模型 | 第82页 |
| ·网络学习输出结果 | 第82-83页 |
| ·小结 | 第83-84页 |
| 第四章 结束语 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-99页 |
| 附录 | 第99-100页 |
