| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 偶氮甲酰胺定量检测研究现状 | 第9页 |
| 1.3 近红外检查方法的国内外研究现状 | 第9-11页 |
| 1.4 本文的研究内容 | 第11-13页 |
| 第2章 近红外技术检测偶氮甲酰胺准备工作 | 第13-20页 |
| 2.1 近红外光谱分析技术的理论基础 | 第13-14页 |
| 2.1.1 近红外光谱分析技术物理基础 | 第13页 |
| 2.1.2 近红外光谱分析技术化学基础 | 第13-14页 |
| 2.1.3 近红外光谱定量分析技术可行性分析 | 第14页 |
| 2.2 样品制备与数据获取 | 第14-16页 |
| 2.2.1 试验样品制备 | 第15页 |
| 2.2.2 光谱数据采集 | 第15-16页 |
| 2.3 近红外定量检测的基本流程 | 第16-18页 |
| 2.4 本章小结 | 第18-20页 |
| 第3章 样品选择方法研究 | 第20-28页 |
| 3.1 引言 | 第20页 |
| 3.2 面粉样品异常的判别方法 | 第20-23页 |
| 3.2.1 马氏距离法的基本原理 | 第20-21页 |
| 3.2.2 留一交叉验证法的基本原理 | 第21-22页 |
| 3.2.3 将留一交叉验证法应用在检测异常样本方面 | 第22页 |
| 3.2.4 剔除异常样品的实验结果分析 | 第22-23页 |
| 3.3 样品集的划分 | 第23-27页 |
| 3.3.1 SPXY算法的基本原理 | 第24页 |
| 3.3.2 SPXY算法的改进 | 第24-25页 |
| 3.3.3 样本划分结果分析 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 光谱数据预处理与数据降维 | 第28-40页 |
| 4.1 引言 | 第28页 |
| 4.2 光谱数据的预处理方法研究 | 第28-33页 |
| 4.2.1 光谱数据预处理方法比较研究 | 第28-31页 |
| 4.2.2 光谱数据预处理结果 | 第31-33页 |
| 4.3 光谱数据降维方法研究 | 第33-39页 |
| 4.3.1 相关系数法特征提取的研究 | 第33-35页 |
| 4.3.2 显变分析法特征提取的研究 | 第35-36页 |
| 4.3.3 主成分分析法特征提取的研究 | 第36-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 偶氮甲酰胺定量检测模型研究 | 第40-51页 |
| 5.1 引言 | 第40页 |
| 5.2 定量检测建模的理论研究 | 第40-44页 |
| 5.2.1 PLS模型的理论研究 | 第40-41页 |
| 5.2.2 BP人工神经网络的理论研究 | 第41-42页 |
| 5.2.3 RBF人工神经网络模型的理论研究 | 第42-44页 |
| 5.3 不同模型对面粉ADC定量检测的研究与分析 | 第44-48页 |
| 5.3.1 PLS模型的实验结果分析 | 第44页 |
| 5.3.2 BP模型的实验结果分析 | 第44-45页 |
| 5.3.3 RBF神经网络模型的实验结果分析 | 第45-46页 |
| 5.3.4 不同模型的实验结果对比分析 | 第46-48页 |
| 5.4 改进的RBF模型 | 第48-50页 |
| 5.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的论文 | 第60页 |