摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 选题背景及意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-15页 |
1.2.1 偏最小二乘方法(PLS)研究现状 | 第12-14页 |
1.2.2 近红外光谱分析及应用 | 第14-15页 |
1.3 红外光谱定量分析的基本流程 | 第15-17页 |
1.4 模型的后期维护 | 第17页 |
1.5 论文的主要研究内容 | 第17-19页 |
第2章 理论基础 | 第19-29页 |
2.1 红外光谱预处理方法 | 第19-20页 |
2.1.1 中心化 | 第19页 |
2.1.2 标准化 | 第19-20页 |
2.2 红外光谱定量分析建模算法 | 第20-25页 |
2.2.1 多元线性回归 | 第20页 |
2.2.2 主成分回归 | 第20-21页 |
2.2.3 偏最小二乘算法 | 第21-25页 |
2.3 K-折交叉验证算法 | 第25-27页 |
2.4 PLS1处理增量数据的时间复杂度 | 第27页 |
2.5 本章小结 | 第27-29页 |
第3章 增量偏最小二乘算法 | 第29-39页 |
3.1 增量数据处理问题 | 第29页 |
3.2 增量偏最小二乘回归(IPLSR) | 第29-33页 |
3.2.1 建立模型 | 第29-32页 |
3.2.2 算法步骤 | 第32-33页 |
3.5 IPLSR与PLSR的关系 | 第33-34页 |
3.6 最优阀值的确定方法 | 第34-37页 |
3.7 IPLS1处理增量数据的时间复杂度 | 第37-38页 |
3.8 本章小结 | 第38-39页 |
第4章 仿真验证 | 第39-53页 |
4.1 实验数据与实验方法 | 第39-42页 |
4.2 实验结果与讨论 | 第42-52页 |
4.2.1 回归系数的比较 | 第42-45页 |
4.2.2 阀值的选取 | 第45-48页 |
4.2.3 预测结果的比较 | 第48-52页 |
4.3 本章小结 | 第52-53页 |
第5章 基于IPLS的芍药苷浓度分析方法 | 第53-63页 |
5.1 研究背景及意义 | 第53页 |
5.2 实验目的 | 第53页 |
5.3 样品处方和工艺 | 第53-54页 |
5.4 实验准备与取样规则 | 第54页 |
5.5 光谱采集仪器 | 第54页 |
5.6 增量模型的建立条件 | 第54-58页 |
5.6.1 前四个批次联合建模(IPLS1-C1,PLS1-C1) | 第55-56页 |
5.6.2 前六个批次联合建模(IPLS1-C2,PLS1-C2) | 第56-58页 |
5.7 预测结果: | 第58-61页 |
5.7.1 五、六批次数据的预测分析(IPLS1-P1,PLS1-P1) | 第59页 |
5.7.2 第七个批次数据预测分析(IPLS1-P2,PLS1-P2) | 第59-61页 |
5.8 本章小结 | 第61-63页 |
第6章 总结和展望 | 第63-65页 |
6.1 本文工作总结 | 第63页 |
6.2 未来工作展望 | 第63-65页 |
参考文献 | 第65-71页 |
致谢 | 第71页 |