|
|
|
基于NIR、MIR光谱和化学计量学的松花粉、大黄质量控制 |
|
论文目录 |
|
中文摘要 | 第1-5页 | 英文摘要 | 第5-11页 | 第一章 前言 | 第11-43页 | 1.1 中药质量控制的重要性 | 第11页 | 1.2 中药质量控制方法 | 第11-12页 | 1.2.1 鉴别 | 第11-12页 | 1.2.2 检查 | 第12页 | 1.2.3 浸出物测定 | 第12页 | 1.2.4 含量测定 | 第12页 | 1.3 松花粉简介 | 第12-13页 | 1.4 大黄属植物化学成分及其活性研究概况 | 第13-14页 | 1.4.1 大黄简介 | 第13页 | 1.4.2 大黄中的主要化学成分 | 第13页 | 1.4.3 化学成分研究概况 | 第13-14页 | 1.5 近红外光谱技术 | 第14-20页 | 1.5.1 近红外光谱分析的特点 | 第15-16页 | 1.5.2 近红外定量分析技术 | 第16-17页 | 1.5.3 近红外定性分析技术 | 第17-18页 | 1.5.4 近红外光谱技术在中药鉴别及分析中的应用 | 第18-20页 | 1.6 人工神经网络 | 第20-34页 | 1.6.1 人工神经网络的研究历史 | 第20-22页 | 1.6.2 人工神经网络基础 | 第22-29页 | 1.6.3 人工神经网络在分析化学中的应用 | 第29-34页 | 1.7 研究意义与前景展望 | 第34页 | 参考文献 | 第34-43页 | 第二章 多层感知器神经网络用于大黄分类的比较研究 | 第43-56页 | 2.1 前言 | 第43页 | 2.2 人工神经网络 | 第43-46页 | 2.2.1 多层感知器神经网络 | 第44-45页 | 2.2.2 学习算法 | 第45-46页 | 2.3 实验部分 | 第46-49页 | 2.3.1 仪器与样品 | 第46-49页 | 2.3.2 数据采集和处理 | 第49页 | 2.4 结果和讨论 | 第49-53页 | 2.4.1 大黄的近红外漫反射光谱 | 第49-50页 | 2.4.2 网络主要参数 | 第50-51页 | 2.4.3 网络学习次数的选择 | 第51-52页 | 2.4.4 分类结果 | 第52-53页 | 2.5 结论 | 第53页 | 参考文献 | 第53-56页 | 第三章 人工神经网络-近红外光谱用于大黄中主要成分的含量测定 | 第56-73页 | 3.1 引言 | 第56-57页 | 3.2 人工神经网络 | 第57-60页 | 3.2.1 多层感知器神经网络 | 第57-58页 | 3.2.2 学习算法 | 第58-60页 | 3.3 实验部分 | 第60-63页 | 3.3.1 仪器与样品 | 第60-62页 | 3.3.2 数据采集和处理 | 第62-63页 | 3.3.3 建模方法 | 第63页 | 3.4 结果和讨论 | 第63-70页 | 3.4.1 样本的分布 | 第63-64页 | 3.4.2 网络所用参数 | 第64页 | 3.4.3 网络训练次数的选择 | 第64-66页 | 3.4.4 隐含层节点数的影响 | 第66-68页 | 3.4.5 最优模型的交叉验证和预测结果 | 第68-70页 | 3.5 结论 | 第70-71页 | 参考文献 | 第71-73页 | 第四章 松花粉的红外光谱、扫描电镜和X射线能谱仪分析 | 第73-83页 | 4.1 前言 | 第73页 | 4.2 实验部分 | 第73-74页 | 4.2.1 实验仪器 | 第73-74页 | 4.2.2 样品来源与制备 | 第74页 | 4.3 结果与讨论 | 第74-79页 | 4.3.1 松花粉的红外光谱分析 | 第74-76页 | 4.3.2 扫描电镜分析 | 第76-78页 | 4.3.3 X射线能谱仪分析 | 第78-79页 | 4.4 结论 | 第79-80页 | 参考文献 | 第80-83页 |
|
|
|
|
论文编号BS1125364,这篇论文共83页 会员购买按0.35元/页下载,共需支付29.05元。 直接购买按0.5元/页下载,共需要支付41.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|