摘要 | 第1-9页 |
Abstract | 第9-11页 |
第1章 绪论 | 第11-24页 |
1.1 烟草化学成分的研究进展 | 第11-13页 |
1.2 烟草中亚硝胺的研究 | 第13-17页 |
1.2.1 烟草中亚硝胺的种类 | 第13-14页 |
1.2.2 烟草中亚硝胺的形成 | 第14-15页 |
1.2.3 烟草中亚硝胺的检测 | 第15-16页 |
1.2.4 烟草中亚硝胺的降低方法 | 第16-17页 |
1.3 烟草中致香物质的研究进展 | 第17-20页 |
1.3.1 影响烟叶中致香成分的因素研究 | 第17-18页 |
1.3.2 烟叶中致香成分的分析方法 | 第18-19页 |
1.3.3 烟叶中主要致香物质与烟草品质关系 | 第19-20页 |
1.4 计算机方法在烟草化学中的应用 | 第20-23页 |
1.4.1 模式识别系统原理 | 第20页 |
1.4.2 模式识别方法应用于烟草化学 | 第20-23页 |
1.5 本文构思 | 第23-24页 |
第2章 降低卷烟烟气中亚硝胺含量的处理方法 | 第24-30页 |
2.1 前言 | 第24页 |
2.2 实验部分 | 第24-27页 |
2.2.1 仪器与试剂 | 第24-25页 |
2.2.2 溶液配置与海泡石处理 | 第25页 |
2.2.3 实验材料 | 第25页 |
2.2.4 实验方法 | 第25-27页 |
2.3 结果与讨论 | 第27-29页 |
2.3.1 NaNO_2 浓度——吸光度 A 标准曲线制作 | 第27页 |
2.3.2 维生素 C 及维生素 E 添加液浓度对烟草中亚硝胺含量的影响 | 第27-28页 |
2.3.3 添加液处理烟丝后储存时间对亚硝胺含量的影响 | 第28页 |
2.3.4 海泡石处理卷烟烟气后对亚硝胺含量的影响 | 第28-29页 |
2.3.5 添加液处理烟草样品后卷烟烟气中亚硝胺含量的测定 | 第29页 |
2.4 小结 | 第29-30页 |
第3章 基于烟草中性致香物质的聚类分析及模糊聚类方法 | 第30-38页 |
3.1 前言 | 第30页 |
3.2 实验部分 | 第30-31页 |
3.2.1 实验材料 | 第30页 |
3.2.2 仪器和试剂 | 第30-31页 |
3.2.3 色谱实验方法及条件 | 第31页 |
3.3 模糊聚类分析原理 | 第31-32页 |
3.4 结果与讨论 | 第32-37页 |
3.4.1 色谱数据测定 | 第32-33页 |
3.4.2 数据预处理 | 第33页 |
3.4.3 聚类数 C 的选择和初始聚类结果 | 第33-35页 |
3.4.4 特征峰的提取和选择 | 第35-36页 |
3.4.5 特征值权重的调整 | 第36页 |
3.4.6 与其他聚类方法的比较 | 第36-37页 |
3.5 小结 | 第37-38页 |
第4章 遗传算法-神经网络用于烟草模式识别 | 第38-47页 |
4.1 前言 | 第38页 |
4.2 实验部分 | 第38-39页 |
4.2.1 实验材料 | 第38页 |
4.2.2 实验步骤及实验条件 | 第38-39页 |
4.3 遗传算法-BP 神经网络 | 第39-42页 |
4.3.1 BP 神经网络模型 | 第39-40页 |
4.3.2 遗传算法 | 第40-42页 |
4.4 结果与讨论 | 第42-46页 |
4.4.1 烟草样本数据 | 第42页 |
4.4.2 BP 神经网络结构和参数 | 第42-44页 |
4.4.3 遗传算法分析结果 | 第44-45页 |
4.4.4 与 BP 神经网络比较 | 第45-46页 |
4.5 小结 | 第46-47页 |
第5章 基于致香物质的计算机辅助配烟系统 | 第47-54页 |
5.1 前言 | 第47页 |
5.2 辅助配烟系统的构建及香味成分数据库的建立 | 第47-49页 |
5.2.1 软件编程应用程序 | 第47页 |
5.2.2 专家系统基本功能及设计目标 | 第47-48页 |
5.2.3 专家系统结构流程框架图 | 第48页 |
5.2.4 烟叶香味成分数据库的建立 | 第48-49页 |
5.3 系统运行结果及讨论 | 第49-53页 |
5.3.1 烟叶香味物质聚类分析的实现 | 第49-51页 |
5.3.2 未知烟草模式识别的实现 | 第51-53页 |
5.4 小结 | 第53-54页 |
结论 | 第54-56页 |
参考文献 | 第56-65页 |
致谢 | 第65-66页 |
附录 (攻读学位期间所发表的学术论文目录) | 第66页 |