文档介绍：导师签名中矗海学位论文作者签名中矗嚎版眸签字日期:即,,年编阳签字日期:却年钿湘签字日期:Ⅻ年舌月学位论文独创性声明学位沦文版权使用授权书本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得南昌大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。本学位论文的知识产权属指导老师课题组,论文的发表权属指导老师所有,本人不得将学位论文内容在任何时候ū弦岛以任何形式私自投寄发表。本学位论文作者完全了解南昌大学有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权南昌大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。同时授权中国科学技术信息研究所和中国学术期刊馀贪电子杂志社将本学位论文收录到《中国学位论文全文数据库》和《中国优秀博硕士学位论文全文数据库》中全文发表,并通过网络向社会公众提供信息服务。C艿难宦畚脑诮饷芎笫视帽臼谌ㄊ学位论文作者签名中:
指纹图谱技术越来越广泛的应用于中药或食品的质量控制中。各种不同的分析检测手段,结合化学计量学多无校正方法从整体上来实现质量评价。化学计量学模式识别方法的不断完善和改进,为复杂化合物的解析提供了有利的条件。本论文利用高效液相色谱、气相色谱、近红外光谱等分析手段对计量学模式识别方法。最后简单地介绍了指纹图谱技术的发展粄『景。第二章运用高效液相色谱法建立了传统中药莪术的指纹图谱。由于基于色谱共有峰的分类效果并不理想,本文中尝试采用遗传一偏最小二乘法对共有峰变量进行特征筛选。所选出的鎏卣鞣遄魑第三章结合气相色谱一质谱和高效液相色谱对不同品种的莪术药材进行了区分。莪术药材总共有分类效果的不同。结果表明二维数据作为输入变量的分类模型优干单维数据。同样的,在静监督的模式识别方法中,分别使用了线性判别分析、反传人工神经网络和最小二乘一支持向量机等模型对莪术第四章采用近红外光谱对常见食品:薯片进行质量控制。分别从薯片的品牌分类和质量参数测定两方面进行定性和定量分析。使用多种化学计量学无监督和有监督模式识别方法进行建模分析。定性分析中采用主成分分析和多准则决策法对薯片的品牌进行了较好的区分,定量分析中利用偏最小二乘法、核偏最小二乘法和最小二乘一支持向量机对薯片的四种重要的质量参数:脂肪含量、水分含量、关键词:中药;食品:高效液相色谱法;近红外光谱法;中红外光谱法;气相色谱一质谱;多元校正;几种常见的中药或食品进行了指纹图谱研究,并结合化学计量学方法从定性和定量两个方厩对其进行质量控制。第一章对指纹图谱技术进行了文献综述,阐述了指纹图谱技术的概念、研究内容、特点以及不足之处等。重点介绍了构建指纹图谱的方法和原则,以及中药或食品的指纹图谱构建过程中常用的化学变量输入到主成分分析和罱诜ㄖ薪蟹掷嘈Ч冉稀=峁砻魉〉个特征峰能较好地区分莪术样品的产地和炮制方法。三个种属,分别是广西莪术、蓬莪术和温莪术。结合气相色谱和液相色谱的色潜共有峰,构建二维的色谱指纹图谱。利用主成分分析和多准则决策法分别比较一维指纹图辔和二维指纹图谱对哥跗分样品的种类进行区分。同样比较了一维指纹图谱和二维指纹图谱作为输入变量的区分效果的不同。二维数据的鉴别效果比一维数据的鉴别效果好。酸价和过氧化值四个参数进行多元校正预报。预报结果中最小二乘一支持向量机的效果最好。第五章结合近红外光谱和中红外光谱对八角茼香以及它的有毒伪品野八角进行区分。由于光谱数据变量较多,本工作采用特征变量选择法:连续投影算法和数据压缩法:离散小波变换对光谱变量进行优化。实验结果表明经特征选择或数据压缩后,线性判别分析模型预报结果要好于原始光谱变量。并且结合光谱的预报结果要比单独的光谱数据的结果要好。化学计量学;模式识别:二维指纹酬谱;质量控制留Ⅱ
咖,┲樱甌皀辬咖响禼朋口胪犹餸船膐隹Р峥゛;曲坩。,∞產∞瑆柚如匆珿弱鷇柳。一捌琍鷇锄锄时还阾,,蒭锄辬竎打”仃辪腶瑆鍹∞礷蝐秓札琓白、—,晡铲出锄,膐甅珺·,,,忍,..缸誱.,乜ⅱ鬿也:,瓼痮痚甈琫甆畂仃籥
〆鲫;』璮酜.,甜研胁逨加以珊冶,.枷Q狥锄緈棚,;,粕蓆鴈蟙甃柚曲柚甌⑴緍—藕穑籑;.,⑺鹯髓鷖’祏謉;