| 摘要 | 第5-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第15-27页 |
| 1.1 化学计量学简介 | 第15-16页 |
| 1.2 多元校正 | 第16-22页 |
| 1.2.1 二维校正 | 第17-19页 |
| 1.2.2 三维校正 | 第19-22页 |
| 1.2.3 四维校正 | 第22页 |
| 1.3 蛋白质翻译后修饰位点预测 | 第22-24页 |
| 1.4 本论文的研究工作 | 第24-27页 |
| 第2章 离散粒子群-小波包变换-偏最小二乘新算法用于烟气中苯并[a]芘红外光谱测定 | 第27-37页 |
| 2.1 前言 | 第27-28页 |
| 2.2 理论 | 第28-32页 |
| 2.2.1 小波包变换 | 第28-29页 |
| 2.2.2 离散粒子群-小波包变换-偏最小二乘新算法 | 第29-30页 |
| 2.2.3 离散粒子群算法 | 第30-32页 |
| 2.3 实验部分 | 第32-33页 |
| 2.3.1 主要仪器、试剂和材料 | 第32-33页 |
| 2.3.2 烟叶粉末MIR光谱数据获得 | 第33页 |
| 2.3.3 卷烟样品主流烟气中的BaP含量测定 | 第33页 |
| 2.4 结果与讨论 | 第33-36页 |
| 2.4.1 DPSO-WPT-PLS算法用于测定主流烟气中BaP含量 | 第33-35页 |
| 2.4.2 与其它化学计量学算法相比较 | 第35-36页 |
| 2.5 小结 | 第36-37页 |
| 第3章 三维校正与HPLC-DAD相结合用于食品中β-胡萝卜素含量的测定 | 第37-50页 |
| 3.1 前言 | 第37-38页 |
| 3.2 理论部分 | 第38-40页 |
| 3.2.1 三线性成分模型 | 第38-39页 |
| 3.2.2 交替三线性分解（ATLD）算法 | 第39-40页 |
| 3.3 实验部分 | 第40-42页 |
| 3.3.1 主要仪器、试剂 | 第40页 |
| 3.3.2 HPLC-DAD色谱条件 | 第40页 |
| 3.3.3 对照实验中LC-MS条件 | 第40-41页 |
| 3.3.4 样品前处理 | 第41页 |
| 3.3.5 标准溶液配制及校正样 | 第41-42页 |
| 3.3.6 乳粉中β-胡萝卜素的分析 | 第42页 |
| 3.3.7 饮料中β-胡萝卜素的测定 | 第42页 |
| 3.4 结果与讨论 | 第42-49页 |
| 3.4.1 色谱条件优化 | 第42-43页 |
| 3.4.2 乳粉样品中β-胡萝卜素的测定 | 第43-47页 |
| 3.4.3 饮料中β-胡萝卜素的测定 | 第47-49页 |
| 3.5 小结 | 第49-50页 |
| 第4章 多维校正法用于水体中氟喹诺酮类抗生素荧光测定及光解动力学研究 | 第50-64页 |
| 4.1 前言 | 第50-51页 |
| 4.2 理论部分 | 第51-54页 |
| 4.2.1 三线性成分模型 | 第51-52页 |
| 4.2.2 平行因子分析算法 | 第52页 |
| 4.2.3 四线性成分模型 | 第52-53页 |
| 4.2.4 四线性平行因子分析 | 第53-54页 |
| 4.3 实验部分 | 第54-56页 |
| 4.3.1 主要仪器、试剂 | 第54页 |
| 4.3.2 参数设置 | 第54页 |
| 4.3.3 实验方法 | 第54-56页 |
| 4.4 结果与讨论 | 第56-63页 |
| 4.4.1 实验条件优化 | 第56-58页 |
| 4.4.2 氧氟沙星（OFL）和达氟沙星（DAN）在污水中降解时的光谱特性 | 第58页 |
| 4.4.3 三维平行因子（PARAFAC）算法分析 | 第58-61页 |
| 4.4.4 四线性平行因子分析（4-PARAFAC）算法分析 | 第61-63页 |
| 4.5 小结 | 第63-64页 |
| 第5章 粒子群优化支持向量机算法用于蛋白质精氨酸甲基化位点预测 | 第64-77页 |
| 5.1 前言 | 第64-65页 |
| 5.2 理论与方法 | 第65-71页 |
| 5.2.1 蛋白质或肽段序列的特征描述 | 第65-68页 |
| 5.2.2 预测模型 | 第68-70页 |
| 5.2.3 预测性能评价指标 | 第70-71页 |
| 5.3 数据收集与处理 | 第71-72页 |
| 5.4 结果与讨论 | 第72-76页 |
| 5.4.1 选择合适的窗口大小 | 第72页 |
| 5.4.2 序列不同特征描述的影响 | 第72-73页 |
| 5.4.3 应用PSO-SVM算法预测分析 | 第73-74页 |
| 5.4.4 与其它方法相比较 | 第74-76页 |
| 5.5 小结 | 第76-77页 |
| 第6章 支持向量机回归算法用于蛋白质赖氨酸多种翻译后修饰位点同时预测 | 第77-84页 |
| 6.1 前言 | 第77-78页 |
| 6.2 理论与方法 | 第78-80页 |
| 6.2.1 蛋白质或肽段序列的特征描述 | 第78-79页 |
| 6.2.2 支持向量机回归 | 第79页 |
| 6.2.3 预测性能评价 | 第79-80页 |
| 6.3 数据收集与处理 | 第80页 |
| 6.4 结果与讨论 | 第80-83页 |
| 6.4.1 序列不同特征描述的影响 | 第80-82页 |
| 6.4.2 预测结果 | 第82-83页 |
| 6.5 小结 | 第83-84页 |
| 结论 | 第84-86页 |
| 参考文献 | 第86-105页 |
| 附录A 攻读学位期间发表及完成的论文目录 | 第105-106页 |
| 致谢 | 第106页 |
