一、定性分析实验中常见错误探讨（论文文献综述）
蔡会周[1]（2021）在《基于太赫兹光谱技术的三七粉掺假检测研究》文中研究表明三七是我国重要的中药材,具有止血,抗高血压,抗血栓形成和保护神经等作用而闻名于世界,因为产量有限,所以三七的价格十分昂贵,市场上,部分不良商家,为了谋取暴利,导致市场上三七粉的掺假非常严重,极大的影响了三七粉的品质安全,对消费者的身心健康产生不良影响。因此,对三七粉的品质检测的研究意义重大。本文提出利用太赫兹（THz）光谱技术结合化学计量学方法对三七粉几种常见的掺假进行检测研究,并建立三七粉掺假的定性定量检测模型,以达到对掺伪三七粉进行鉴别的目的。具体研究内容及结论如下:（1）基于THz光谱技术实现了对三七地下四个不同部位的快速鉴别,并建立定性分析模型。以三七主根、剪口、筋条和毛根为研究对象,制备了133个样品,获得532条太赫兹光谱,首先分析了样品的折射率、吸收系数、时域光谱及频域光谱,发现不同部位样品的太赫兹光谱差异显着。随后,选用样品的吸收系数光谱来建立模型,先采用基线校正、多元散射校正和归一化等算法对0.5-2.0THz的吸收系数光谱进行预处理,去除噪声提高光谱信噪比,然后,使用K-S算法按类以3:1的比例划分建模集和预测集,再利用连续投影算法（SPA）挑选样品的特征频率点,然后将挑选的特征变量输入到支持向量机（SVM）和线性判别分析（LDA）算法中,建立定性分析模型。模型结果显示,得到的SPA-SVM模型中,在线性核函数下的支持向量机,经过基线校正预处理后效果最好,模型的训练精度为99.75%,测试集准确率99.25%;在SPA-LDA模型中,利用基线校正预处理得到的结果最好,模型的训练精度为100%,测试集准确率为100%。研究结果表明,太赫兹光谱技术可用于三七不同部位的鉴别,可以为三七不同部位的检测提供了一种快速、可行的检测方法。（2）基于太赫兹透射光谱实现了对三七粉和三七剪口粉混合物的鉴别。以纯三七粉（1:0）、三七剪口粉（0:1）和三七与剪口粉的混合物（2:1、1:1）为研究对象,首先对样品进行了光谱分析,然后,利用主成分分析（PCA）对四种比例样品的吸收系数光谱和折射率光谱聚类分析,聚类结果表明,四类样品聚类效果明显,折射率光谱的聚类效果优于吸收系数光谱。随后,将折射率光谱和它的前三个主成分分别导入到偏最小二乘判别分析（PLS-DA）和主成分回归判别分析（PCR-DA）算法建立模型。模型结果显示,PLS-DA模型能够将三七粉、剪口粉和两者混合物100%分开,但是两者的混合物之间误判很高。结果表明,太赫兹光谱能够用来判断三七粉中是否存在剪口粉,在加工过程中是否将三七主根中的剪口去除,这对三七粉的品质评价具有重要的意义。（3）基于太赫兹光谱技术实现了三七粉异类相似物质掺假的定性和定量分析。实验制备了四类样品,其中三类掺假样品,分别是:三七粉掺假莪术粉,三七粉掺假小麦粉和三七粉掺假大米粉,掺假浓度为5%～60%,浓度间隔为5%,另一类为纯三七粉样品。通过光谱对比发现,不同类掺假样本之间和同类掺假样本不同掺假浓度之间的光谱存在明显的差异。首先,对三类不同掺假物质进行定性分析,按3:1划分建模集和预测集,然后采用无信息变量消除法（UVE）和SPA进行特征信息提取,最后,将提取的特征信息导入BP神经网络（BPNN）,建立BPNN定性分析模型,模型结果显示,UVE-BPNN定性模型更好,预测集分类准确率为95%,能够实现对四类样品准确分类。然后,利用最小二乘支持向量机（LS-SVM）和偏最小二乘法（PLS）算法分别建立定量分析模型,模型结果显示,对莪术粉和小麦粉的定量分析模型中,LS-SVM建立的模型性能更好,预测集相关系数（Rp）分别为0.9015、0.9305,预测集均方根误差（RMSEP）分别是0.0723、0.0677;对大米粉的定量分析模型中,PLS模型效果更好,Rp为0.9424,RMSEP为0.0601,达到了很好的预测效果,相关性均大于0.9,误差控制在比较小的范围。结果表明,太赫兹光谱技术可以用于三七粉中异类相似物质（莪术粉、小麦粉和大米粉）的定量和定性检测,该研究为太赫兹在三七粉的异物相似物质的掺假领域提供了研究基础。
王成[2]（2021）在《抗风湿保健品中违禁添加物的高光谱和拉曼筛查方法研究》文中研究说明我国抗风湿保健食品市场规模不断扩大,违禁添加药物的事件屡见不鲜,长期服用会损伤消费者的机体、影响健康。目前,针对保健食品中违禁添加物的检测方法主要是液相色谱、质谱法,这些方法大多需要复杂的前处理,且耗时。光谱检测方法可通过建立光谱谱图库,结合算法建立模型实现无损、快速识别违禁添加物的目的。因此,本文针对抗风湿类的保健食品中可能存在的违禁添加药物,利用近红外高光谱成像、薄层色谱-表面增强拉曼技术建立定量、定性筛查方法。主要研究内容如下:针对抗风湿类保健食品中可能违禁添加的双氯芬酸钠,基于近红外高光谱成像技术,研究开发了定量分析方法。首先制备了一系列含双氯芬酸钠的西芹籽抗风湿类保健品样本,在1000-2500nm波长下进行扫描,对得到的高光谱成像图采用ENVI软件分析、提取并计算了感兴趣区域（ROI）的平均近红外光谱,比较分析了8种光谱预处理方法、3种化学计量学模型对预测值准确度的影响,结果发现利用β系数方法选择最优波段作为自变量,经标准正态变量预处理方法建立的多元线性回归模型,其准确性和预测能力较好,其预测最低限为0.05%,预测值与实测值的决定系数（R2）为0.993,预测均方根误差为0.005。针对抗风湿类保健食品中可能违禁添加的双氯芬酸钠及其药效相同的11种化学药物,基于薄层色谱-表面增强拉曼技术,研究建立了快速筛查判别模型。首先,利用Guassian软件计算了11种化学药物的理论拉曼峰并进行了峰位归属指认。然后,通过比较不同展开剂、薄层色谱板,发现采用石油醚-三氯甲烷-乙酸乙酯-冰醋酸（15:15:15:1.5,V/V/V/V）可有效分离11种化学药物;通过优化金溶胶的体积和拉曼光谱检测的积分时间,经比较确定了滴加4μL的金胶,选择积分时间为5 s作为拉曼检测的条件,实验结果表明最低检出限达到0.05%-0.10%。然后,运用7种光谱预处理方法处理SERS光谱,并对其进行主成分分析,提取了前10个特征主成分数,建立并比较了主成分-线性判别、主成分-K邻近模型及主成分-支撑向量机等4种判别模型,结果发现,经过间接二阶导数预处理后的主成分-线性判别模型预测准确率最高可达100%。针对薄层色谱法同时分离11种混合化学药物时,发现了两组比移值相近的药物,即乙酰水杨酸与吲哚美辛、双氯芬酸钠与萘普生,尝试建立模型以进一步区分。针对乙酰水杨酸与吲哚美辛及其两者混合物的拉曼光谱,比较了全光谱和竞争性自适应重加权方法（Competitive adaptive reweighting algorithm,CARS）筛选的波数作为自变量建立的模型。经平滑卷积结合标准正态变量预处理CARS筛选的波数,建立了随机森林判别模型,其正确识别率为67.17%;针对双氯芬酸钠与萘普生及其混合物的拉曼光谱,经过间接二阶导数结合标准正态变量预处理CARS筛选的波数,建立了核函数支持向量机模型,其识别正确率为72.90%,但均能100%正确识别纯样本。
甘吉[3]（2021）在《手写文字识别及相关问题算法研究》文中指出作为信息表达和交流的重要工具,文字被广泛地应用于人们的日常生活和工作中。同时,手写也是每个人在社会中赖以生存的技能。随着计算机的发展和普及,手写文字识别作为一种高级的人机交互方式在近几十年来引起了人们的广泛关注。虽然研究者们在手写识别领域已经取得了大量突破性的进展,但是基于深度学习的手写识别算法仍然有很大的改进空间,因此如何设计更为准确高效的手写识别算法是本文的核心研究内容。另外,随着传感技术的发展,一种新型人机交互方式下的空中手写被提出,即用户可以直接使用手或手指在三维空间中自由地书写。然而,目前的空中手写识别研究仍然处于起步阶段,特别是针对空中手写中文文本识别的研究还处于一片空白。因此,空中手写识别也是本文的主要研究目标之一。本文主要的贡献总结如下:1.本文从一个全新的角度提出了一种基于一维卷积网络的联机手写汉字识别算法,即使用一维卷积网络直接对手写汉字轨迹的时序结构进行建模。本文提出的方法完全不同于目前主流的手写识别算法（包括基于二维卷积网络或循环神经网络的识别算法）,并且具有显着的优势:（1）相比于二维卷积网络,提出的方法避免了经验化的领域知识来提取复杂的方向特征图,同时我们的模型参数更少且识别精度更高;（2）相比于循环神经网络,提出的方法能够并行地处理时序数据,其对于长序列手写轨迹的识别速度更快。2.本文提出了一种基于注意力机制的手写英文单词识别算法,该方法采用了编码-解码的架构并通过结合注意力机制迭代地输出目标字符串。同时,本文使用以下策略来进一步改进模型,包括:（1）我们使用一维卷积网络替代循环神经网络编码手写轨迹,显着地提升了模型的编码速度;（2）我们采用了词典约束的解码算法,显着地提升了模型的识别准确率。另外,我们构建了首个大规模的空中手写英文单词数据集IAHEW-UCAS2016用于促进后续的空中手写英文单词识别研究。最后,本文搭建了一个实用的空中手写英文单词识别系统。3.为了有效地识别联机手写中文文本,本文提出了一种新颖的时序卷积循环神经网络,其相比于现有的识别算法更具优势:（1）相比于主流的循环神经网络,提出的方法具有更快的计算速度和更高的识别准确率;（2）相比于最先进的全卷积循环网络,提出的方法避免了经验化的领域知识来提取复杂的特征图,同时模型的训练效率更高（包括更低的计算复杂度,更少的内存消耗,更快的收敛速度）且模型参数更少。为了进一步探究新型的空中手写,本文搭建了世界上首个三维空中手写中文文本识别系统。据我们所知,目前学术界还没有任何针对空中手写中文文本识别的研究。为此,我们构建并公开了首个大规模的空中手写中文文本数据集IAHCT-UCAS2018,从而促进后续的空中手写中文文本识别研究。4.本文提出了一种新颖的基于生成对抗网络的手写文本生成算法。现有的手写生成方法还没有完全地解决手写文本生成任务,因为它们都局限于生成较短的手写单词或者随机风格的手写文本图片。相反,本文提出的模型能够根据给定的任意文本生成任意长度的手写图片,其不局限于事先定义好的语料库或任何词汇表外的单词。同时,我们的模型能够从给定的参考样本中准确地提取出书写风格,从而进一步模仿生成具有相似风格的其它手写文本。实验分析表明本文提出的模型针对手写文本生成具有很好的泛化性,而不是单纯地记忆训练集中的真实手写样本。5.针对基于卷积神经网络的手写汉字识别模型,本文提出了新颖的一体化网络压缩算法。本文提出的压缩算法结合了通道裁剪和参数量化两种策略,能够在保证识别精度的前提下最大限度地压缩识别模型。具体地,在通道裁剪阶段,我们采用了粗细粒度相结合的裁剪策略来迭代地裁剪掉卷积网络中冗余的通道;在参数量化阶段,我们引入了权值丢弃和迭代式量化策略来最大限度地量化模型参数。在公开手写数据集（包括ICDAR-2013,IAHCC-UCAS2016,以及MNIST）上的实验结果表明提出的方法能够显着地压缩基于卷积神经网络的手写汉字识别模型。
张闻雅[4]（2021）在《同伴互助学习在高中英语应用文写作中的有效性研究》文中进行了进一步梳理2017年底,教育部正式颁布了《普通高中英语课程标准（2017年版）》,对一线高中英语教师提出了新的要求,即培养高中生语言能力、文化意识、思维品质和学习能力的综合素养。然而现阶段,大多数高中英语应用文写作课堂仍以教师传授知识为主,学生无法积极主动地参与到英语学习活动中,表达个人观点和态度,提高运用能力和写作能力。因此,为了契合新课程标准,改变目前的高中英语应用文写作的教学模式,笔者将以学生为主体的“同伴互助学习”方法运用到高中英语应用文写作教学中,让学生成为课堂的主体,进而促进高中生英语综合素养的形成与发展。本研究以合作学习理论、建构主义学习理论以及社会互动理论为理论基础,以山东省青岛市城阳区某高中高二（六）班和高二（十）班共61名高中生作为研究对象,将同伴互助学习应用于高中英语应用文写作课堂教学中,试图探讨以下研究问题:（1）同伴互助学习是否能减轻高中生对英语应用文写作的焦虑感?（2）同伴互助学习是否能提高高中生英语应用文写作能力?如果能,具体体现在英语应用文写作格式、词汇运用与句子结构、写作内容、语言表达哪个方面?为回答以上问题,笔者采用定量分析和定性分析相结合的研究方法。首先,为了了解研究对象对英语应用文写作和同伴互助学习的态度以及写作现状,笔者分别让这61名研究对象填写调查问卷,完成写作测试,并随机抽取5名研究对象进行访谈。然后,笔者将“同伴互助学习”运用到高中英语应用文写作课堂中,进行了为期三个月的教学实验。经过三个月的教学实验后,笔者再次对61名研究对象进行问卷调查、实验后测以及随机抽取5名研究对象进行访谈。最后,笔者将实验前和实验后的调查问卷、测试成绩、访谈文本以及应用文写作互评表整理成数据形式,输入到SPSS25.0数据分析软件中进行数据分析与讨论。分析结果表明,同伴互助学习不仅有效地缓解了大部分高中生英语应用文写作前的焦虑,增强了英语应用文写作兴趣,而且很大程度上提高了高中生的写作成绩和英语应用文写作能力。因此,实验表明,“同伴互助学习”这种新的教学方法应用于高中英语应用文写作教学中具有一定的有效性。
胡冰冰[5]（2021）在《“牛顿运动定律”主题的学习进阶研究与实践》文中研究指明物理概念是学习物理的基础,如何引导学生构建物理概念体系、加深其对物理概念的本质理解是物理老师们关注的问题。本研究针对现存教学中的弊端,以“牛顿运动定律”主题为例,研究如何划分“牛顿运动定律”主题的学习进阶的维度和水平,如何基于“牛顿运动定律”主题的学习进阶模型进行教学设计,并检验这种教学设计在概念教学中的效果如何。基于学习进阶理论,本研究描述了学生概念理解的发展过程,划分了学生概念理解中的各个阶段,提出“牛顿运动定律”主题的学习进阶模型,并基于模型进行教学设计。在佛山市某高中展开为期一个月的教学实验,选取高一两个平行班互为对照。在实验班采用基于学习进阶模型的教学设计,开展教学活动,在对照班采用传统的教学设计,并在教学后进行测试,分析数据,得出如下结论:高中生对概念的学习呈现进阶式发展,概念体系较难建立;基于学习进阶的物理概念教学比传统教学方式更能促进学生对概念本质的理解;基于学习进阶模型的教学活动能更好的监测学生水平。根据结论,提出了相应的教学建议:概念教学要以核心概念为主体,注重重要概念之间的联系;借助学习进阶模型中每一层级学生应有的表现,测评学生所处水平,帮助学生实现“进阶”;借助学习进阶理论促进教学的科学性和有效性。
冀炜臻[6]（2021）在《基于机器视觉与Retinex图像增强的脐橙检测方法研究》文中研究说明机器视觉技术在果实产量估计以及自动采摘机器人检测等应用中有助于减少人工作业量,降低水果种植管理环节中的人力、物力成本,提升果园的智能化、自动化运营水准及经济效益。在深度学习技术的推动下,许多机器视觉的检测模型均能够实现脐橙的检测,但是由于果实和叶片等背景实物的表面会根据不同的太阳照射角而产生各异的镜面反射程度,使检测模型的精度出现了严重的偏差。目前,也有一些研究提出了相应的解决水果检测在户外受到的光照影响,主要分为基于光照校正算法的方法、基于抗光照的智能集成设备的方法以及改进机器视觉检测模型的方法。这些方法虽然在光照条件下能够有效提升水果检测的精度,但是仍然存在着局限性。例如,很多提出的方法是在相对理想的实验环境下验证有效性的,对于实地的检测还需要进一步考究;现有的研究很少考虑到光照的时序变化对果实检测带来的影响;实验中所提出集成化设备的有效性还需要经受实践的考验使其日渐成熟。因此,如何通过理论探索探求更可靠的方法,从而实现在不同光照条件下提升检测模型的精度就是一个亟待解决的关键问题。Retinex是一种以颜色恒常性为理论基础的图像增强方法,它能够根据图像的RGB色彩空间求解出一个或多个增强算子来实现对图像中各个目标原始色彩的加强。目前,该理论已经衍生出五种主要算法,即SSR（single-scale Retinex,SSR）、MSR（multi-scale Retinex,MSR）、MSRCR（multi-scale Retinex with color restoration,MSRCR）、MSRCP（multi-scale Retinex with chromaticity preservation,MSRCP）、Auto MSRCR（auto multi-scale Retinex with color restoration,Auto MSRCR）。本文以脐橙为研究对象,期望通过将Retinex与机器视觉模型相结合的方式来解决自然光照所带来的精度偏差。采用YOLO（you look only once,YOLO）系列中的前沿机器视觉技术对不同观测条件以及Retinex增强的图像样本库进行训练,并根据结果来判定不同模型下的最佳时间窗口以及最适合的增强方法,旨在探索一种当目标检测受到光照影响而精度降低的解决方案。为机器视觉技术在农业、林业的自动化、智能化管理中提供可靠的技术支持。论文的主要工作及取得成果如下:（1）完成了不同观测条件下脐橙图像样本数据集的构建。实地采集了脐橙的图像样本数据,时间段为:10:00-11:00、12:00-13:00、14:00-15:00、16:00-17:00四个观测时间,拍摄视距分别为A（0.5～1.5米）和B（1.5～2.5米）。为增强数据集的多样性,采用4种数据增强方法扩增了样本;（2）基于不同观测条件的脐橙检测。本文首先将使用的机器视觉模型分别在10:00-11:00、12:00-13:00、14:00-15:00、16:00-17:00几个观测时间段下进行试验,并通过精度（Precision）、召回率（Recall）、均值平均精度（mean average precision,m AP）等关键指标结果来评定其检测性能。实验结果表明:在A视距下,模型在10:00-11:00、14:00-15:00和16:00-17:00观测时段具有更好的性能。其中,MSRCR-YOLOv5和MSR-YOLOv5在10:00-11:00得到的结果最佳,m AP值均为0.98。在B视距下,14:00-15:00时段更利于模型的检测,且AMSRCR-YOLOv5在该时段获得了较好的m AP值,达到了0.95。（3）基于综合样本库的脐橙检测。本文在每个时段随机抽取一定图像构成综合样本库进行实验。结果表明Original-YOLOv3模型在YOLOv3的方法中具有最高的m AP值,达到0.75;基于YOLOv4模型的方法均未得到良好的效果;基于YOLOv5的方法中MSRCP-YOLOv5得到最佳的m AP值,达到0.79;（4）模型的敏感性分析。针对常见的阴影遮挡与叶片遮挡的干扰情况,本文通过定量分析和定性分析对上述实验中的性能优异模型进行敏感性评价。结果表明:在阴影遮盖的情况下,基于YOLOv3模型的方法整体上要比基于YOLOv5模型的方法的敏感性更低,其中Original-YOLOv3、SSR-YOLOv3、MSRCP-YOLOv3、AMSARCR-YOLOv3等方法均具备相对较低的敏感性。在叶片遮挡面积超过50%时,部分方法模型会出现漏检,Original-YOLOv3和SSR-YOLOv3的敏感性相对较低。
黄振[7]（2021）在《基于状态监测数据的动态FTA方法研究》文中认为齿轮或齿轮箱有传递运动和调节速度的功能,在机械制造业中有着广泛的应用并起着至关重要的作用。然而,一些设备如风力发电机、高速列车和高速船舶等,由于它们的工作环境不稳定,时常发生故障,而齿轮箱故障所占比例较高并且危害较大,因此对齿轮箱进行故障分析是很有必要的。传统的故障树分析方法在分析齿轮箱故障的原因上有很大的优势,不过该方法对于齿轮箱故障的动态传播分析有所欠缺。Petri网有着动态特性,在齿轮箱故障的动态传播过程分析上有着明显的优势。利用传感器等监测设备可以监测齿轮箱的实时状态,可以对齿轮箱的健康管理与故障诊断提供帮助。本文以某行星齿轮箱为对象,将故障树分析、Petri网和状态监测技术相结合,开展齿轮箱故障的动态研究分析,具体研究内容如下:（1）以行星齿轮箱为对象开展故障树建模分析。对行星齿轮箱开展故障树建模的工作,并用上行法求出故障树的最小割集以及解出结构重要度。（2）对行星齿轮箱系统开展故障树-Petri网建模分析。针对传统故障树分析无法反映系统中各种状态变化的动态过程等问题,引入Petri网对行星齿轮箱系统开展故障树-Petri网建模分析。建立行星齿轮箱故障树的Petri网模型,运用关联矩阵法和状态方程实现行星齿轮箱系统故障的动态传播。（3）以行星齿轮箱中齿轮为对象,运用故障树与Petri网进行齿轮故障程度建模分析。建立齿轮的故障程度树,将故障程度树模型转化为故障程度树-Petri网模型。（4）将状态监测与故障程度树-Petri网模型结合,开展齿轮状态的实时动态分析。运用基于振动分析的故障诊断技术进行数据分析,将故障诊断的分析结果反馈到故障程度树-Petri网模型中,实时分析齿轮状态。
张明哲[8]（2021）在《单元覆盖测试中的程序约束建模研究》文中研究表明软件测试是提高软件可靠性的重要手段。在软件测试方法中,覆盖测试是一种基本的白盒测试方法,为满足测试充分性,覆盖测试需要测试数据能取得尽可能高的覆盖率。与其他测试数据自动生成方法相比,基于约束的测试数据生成方法更具确定性且易实现对特定目标的覆盖,其生成的测试数据在覆盖测试中更具优势。然而,取得上述优势的前提是可实现对目标程序的精确约束建模。约束建模的精度不足会导致输入变量产生欠约束问题,进而对生成测试数据的正确性、友好性等产生影响,使测试数据无法实现预期覆盖或难以被测试人员理解和使用。本文以解决程序约束建模过程中的欠约束问题及其衍生问题为目标,对如何提取程序中的隐性约束、如何改善测试数据的友好性以及如何缓解不友好测试数据产生的不利影响三个方面展开研究。本文的主要工作和创新点如下:1)单元覆盖测试中的隐性约束提取方法研究在单元覆盖测试中,当诸如除、解引用等危险操作作用于输入变量时,为保证函数单元的正常执行,输入变量要满足一定的前置条件,这些前置条件未显式的存在于函数中,是对输入变量的隐性约束,无法通过传统符号执行方法获得。不满足隐性约束的测试数据在执行时会发生错误或崩溃,无法实现预期覆盖。本文提出了一种规则导向符号执行方法用于隐性约束的提取。该方法的核心思想是:使用预定义规则对传统符号执行进行增强,解决无法提取隐性约束所导致的欠约束问题。首先,对C语言中运算符的语义进行了系统的分析,预定义了四类隐性约束提取规则并应用于符号执行过程中,预定义规则提供了一种层次化的匹配模型用于准确的识别并提取语句中的隐性约束。其次,根据隐性约束的分布特点,对约束建模对象进行了扩展,除常规的分支语句外,还对可能存在隐性约束的赋值语句、声明语句进行了分析建模。最后,提出了完整路径约束的概念,将隐性约束与已有路径约束合取构成完整路径约束,通过求解完整路径约束可以获得可正常执行的测试数据,从而实现覆盖,提高测试的充分度。实验结果表明,所提方法可以准确的提取隐性约束;与同类工具相比,所提方法可以有效的提高存在隐性约束程序的覆盖率。2)友好测试数据生成方法研究针对欠约束变量在约束求解过程中由于约束不足可能生成不友好测试数据这一问题。本文提出了一种挖掘常量信息用于欠约束变量的约束补全和引导友好测试数据生成的方法。该方法首先搜集与输入变量相关联的相关常量和存在欠约束问题的输入变量。然后,提出了聚合分析和排序分析方法用于处理搜集到的相关常量,聚合分析通过对相关常量集进行数据清洗和集中来获得约束补全信息;排序分析基于关联操作的语义实现对相关常量的启发性强弱的推理,并选取强启发相关常量作为种子数据。最后,提出了约束补全方法,使用约束补全信息对欠约束变量进行约束补全;提出了启发式测试数据生成算法,利用种子数据引导友好测试数据生成;通过为欠约束变量生成完整约束和引入种子数据实现对测试数据友好性的改善。对一个开源实际工程进行了实验,实验结果表明,与不使用本方法的工具相比,所提方法可以改善测试数据的友好性并具有良好的效率。3)基于静态分析的预言数据选取方法研究当无法改善测试数据友好性或改善效果不佳时,不友好测试数据由于难以理解、计算为测试人员进行测试预言构建、快速发现故障带来诸多困难。本文提出了一种路径敏感的预言数据选取方法,该方法通过为测试人员选取多个预言数据进行观测将测试预言问题划分为若干子预言问题,缓解了不友好测试数据为测试预言构建带来的困难;此外,选取多个预言数据进行观测还获得了更多捕获错误状态的机会,减少了漏报。该方法首先引入了关键路径分析方法,对程序路径进行基于故障观测能力的排序,为测试人员指引了测试预言构建的顺序。然后,提出了定量分析方法和定性分析方法用于为每条路径选取预言数据。定量分析根据候选预言数据间的替换关系缩减预言数据集的规模,以减少测试预言构建的工作量。定性分析根据预言数据的故障观测能力对预言数据进行排序,以帮助测试人员更快的发现程序中的故障。实验结果表明,所提方法可以发现仅观测默认输出测试预言方法无法发现的故障,且具有较好的故障观测效率,能帮助测试人员更快的发现故障。
彭山珊[9]（2020）在《尿液中常见毒品GC-MS定性分析结果判定方法研究》文中进行了进一步梳理我国的毒品滥用问题总体仍呈蔓延之势,对常见毒品的检验,法庭毒物分析实验室主要采用气相色谱-质谱（GC-MS）法。目前在毒品GC-MS检验中,主要依据保留时间、离子丰度比来进行定性,由于不同基质对目标物的出峰时间、信噪比和离子丰度比影响不同,定性判定的标准将会有一定的差异。在目标物含量低的尿液、血液、组织等复杂基质生物检材中,特别是当检材中毒品的浓度接近检测限时,定性判定的难度将大大增加,有时甚至会出现错误,因此,定性指标的确定非常重要。近年来新发布的一些技术规范中虽然已经采用国际流行的质量控制标准,但多为指导性文件,却没有可靠的实验数据支撑。本文研究建立了同时检测尿液中甲基苯丙胺、MDMA（3,4-亚甲二氧基甲基苯丙胺）、度冷丁、氯胺酮、美沙酮、可卡因等6种毒品的GC-MS分析方法,采用建立的方法对不同尿样基质及不同浓度的毒品样本进行GC-MS全扫描（SCAN）、选择离子监测（SIM）和多反应监测（MRM）模式检测,获得三种模式下6种毒品的色谱图和质谱图,统计分析目标物的保留时间和离子丰度比偏差,从而给出定性分析结果的判定指标,为尿液中常见毒品的准确定性提供数据支撑和可靠保障。1.尿液中甲基苯丙胺、MDMA、度冷丁、氯胺酮、美沙酮、可卡因等6种毒品GC-MS分析方法的建立。通过筛选合适的萃取溶剂和优化pH得到了操作简便、提取物纯净的前处理方法。量取尿液1 mL,加入20μL内标溶液（100μg/mL）、15μL 10%NaOH溶液及1 mL环己烷,超声10 min,离心5 min,移取上清液200μL至进样小瓶,扫描方式分别为SCAN、SIM、MRM模式。6种毒品线性关系良好,相关系数（R2）皆大于0.99;最低检测限在0.100.30μg/mL之间（全扫）,0.020.10μg/mL之间（SIM）,0.010.30μg/mL之间（MRM）;定量限在0.300.90μg/mL之间（全扫）,0.060.30μg/mL之间（SIM）,0.030.90μg/mL之间（MRM）;回收率在76.6%90.9%之间,日内日间精密度在0.21%11%之间。2.研究6种毒品GC-MS三种模式下定性判定因素的最大允许偏差。采用建立的GC-MS分析方法检测各种尿液毒品样本,获得上千张色谱图和质谱图,通过使用MATLAB软件提取数据,SPSS软件对数据进行统计分析,GraphPad Prism绘图得到绝对保留时间和相对保留时间最大偏差分别为:?0.04 min,?0.5%（全扫）;?0.02 min,?0.5%（SIM）;?0.02 min,?0.4%（MRM）。离子丰度比绝对和相对偏差分别为:?20%,?50%（全扫）;?20%,?50%（SIM）;?20%,?25%（MRM）。3.通过与真实样本的定性结果对比,验证本文判定方法的可靠性。采用建立的方法对送检的16例吸毒者尿液样本进行检测,所得到的保留时间和离子丰度比偏差均在本文建立的判定方法范围内,从而验证了本文判定方法的可靠性。
高圆[10]（2020）在《基于太赫兹时域光谱的物质检测方法研究》文中指出随着超快激光的发展,太赫兹时域光谱技术逐渐成为国内外研究热点。该技术通过测量待测样品的太赫兹光谱,获得待测样品的光学参数,通过对光学参数的研究,可以对物质的组成成分进行检测。然而,该技术在食品药品等领域的应用还不成熟,检测结果的准确度还有待提高。为了进一步探究太赫兹时域光谱技术在物质检测方面的应用,提高物质检测结果的准确度,本文基于太赫兹时域光谱技术测量酒石酸、乳糖一水合物、滑石粉、藕粉的太赫兹光谱,对物质的定性识别及混合物的定量分析方法进行了研究,结合模式识别技术实现物质的定性识别;应用多种回归算法实现对混合物的定量分析。论文的主要研究内容和成果如下:1.对太赫兹波的产生、探测机理、太赫兹时域光谱系统以及相关的机器学习算法原理及适用场景进行了详细分析。2.论文将手动提取吸收峰结合支持向量机模型用于基于太赫兹时域光谱技术的物质检测应用。与传统主成分分析结合支持向量机模型相比,新模型的训练时间短、预测准确率高,对多吸收峰物质的指认能力达到96%。实验结果表明该模型更适于应用在物质的定性检测中。3.为了提高物质检测的准确度,基于手动提取吸收峰降维技术,论文提出了梯度提升回归算法结合太赫兹技术的物质含量回归模型。与线性回归、偏最小二乘回归和支持向量回归三种常用模型相比,太赫兹时域光谱技术结合梯度提升回归算法对混合物进行定量分析均方根误差低于5%。预测结果的相关系数高于99.9%。新模型在数据集较少的条件下仍然有高准确率,兼顾三种传统模型计算代价低的优点,未来可应用于基于太赫兹时域光谱技术的食品与药品检测。
二、定性分析实验中常见错误探讨（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、定性分析实验中常见错误探讨（论文提纲范文）
（1）基于太赫兹光谱技术的三七粉掺假检测研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 三七品质检测国内外的研究现状 |
| 1.2.2 THz光谱技术在食品检测领域国内外研究现状 |
| 1.2.3 国内外研究现状总结 |
| 1.3 本文研究内容 |
| 1.4 技术路线 |
| 1.5 本章小结 |
| 第二章 太赫兹光谱检测系统和算法 |
| 2.1 THz光谱技术 |
| 2.2 THz光谱检测系统介绍 |
| 2.3 样品制备及光谱采集 |
| 2.3.1 样品制备 |
| 2.3.2 光谱采集及光学参数提取 |
| 2.4 化学计量学方法介绍 |
| 2.4.1 数据预处理算法 |
| 2.4.2 样本选择方法 |
| 2.4.3 特征变量提取方法 |
| 2.4.4 模式识别算法 |
| 2.4.5 模型评价方法 |
| 2.5 本章小结 |
| 第三章 基于THz光谱技术的三七不同部位检测鉴别 |
| 3.1 三七不同部位实验样品制备 |
| 3.2 三七不同部位的THz光谱特性分析 |
| 3.3 预处理与特征信息提取 |
| 3.3.1 K-S样本划分 |
| 3.3.2 光谱预处理 |
| 3.3.3 特征信息提取 |
| 3.3.4 光谱变量特征分析 |
| 3.4 基于THz光谱聚类分析模型的建立 |
| 3.4.1 支持向量机分类模型 |
| 3.4.2 线性判别分析分类模型 |
| 3.5 模型评价 |
| 3.6 本章小结 |
| 第四章 基于THz光谱技术的三七主根与剪口混合物检测研究 |
| 4.1 三七主根与剪口混合物的样本制备 |
| 4.2 三七粉与剪口混合物光谱分析 |
| 4.3 三七粉与剪口混合PCA聚类分析 |
| 4.3.1 吸收系数光谱聚类分析 |
| 4.3.2 折射率光谱聚类分析 |
| 4.4 基于THz光谱聚类分析的模型建立 |
| 4.4.1 最小二乘判别分析模型 |
| 4.4.2 主成分回归判别分析模型 |
| 4.5 模型评价 |
| 4.6 本章小结 |
| 第五章 基于THz光谱技术的三七粉中相似异物掺假检测研究 |
| 5.1 实验样品制备 |
| 5.2 SPXY样本划分 |
| 5.3 基于THz光谱技术不同类掺假的定性分析 |
| 5.3.1 不同类掺假物质的光谱分析 |
| 5.3.2 特征信息提取 |
| 5.3.3 BP神经网络模型 |
| 5.4 基于THz光谱技术不同掺假浓度的定量分析 |
| 5.4.1 不同掺假浓度的光谱特性分析 |
| 5.4.2 最小二乘支持向量机模型 |
| 5.4.3 偏最小二乘法模型 |
| 5.4.4 模型比较 |
| 5.5 模型评价 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 个人简历在读期间发表的学术论文 |
| 致谢 |
（2）抗风湿保健品中违禁添加物的高光谱和拉曼筛查方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 中英文缩略词对照表 |
| 第一章 绪论 |
| 1.1 保健食品及中成药非法添加物的现状及常见检测方法研究 |
| 1.1.1 薄层色谱法对保健品及中成药中非法添加物的检测 |
| 1.1.2 高效液相色谱法对保健品及中成药中非法添加物的检测 |
| 1.1.3 高效液相色谱串联质谱对保健品及中成药中非法添加物的检测 |
| 1.1.4 近红外光谱法对保健品及中成药中非法添加物的检测 |
| 1.1.5 毛细管电泳法对保健品及中成药中非法添加物的检测 |
| 1.2 拉曼光谱技术及应用概述 |
| 1.2.1 拉曼光谱简介 |
| 1.2.2 表面增强拉曼光谱简介 |
| 1.2.3 薄层色谱-表面增强拉曼技术及应用 |
| 1.2.4 拉曼光谱峰位归属指认 |
| 1.3 近红外高光谱成像技术 |
| 1.3.1 高光谱成像技术原理 |
| 1.3.2 高光谱成像技术发展及应用 |
| 1.4 化学计量学在定性/定量中的应用 |
| 1.4.1 光谱预处理方法 |
| 1.4.2 多元定量校正方法 |
| 1.4.3 模式识别定性方法 |
| 1.4.4 监督学习法的评价指标 |
| 1.5 研究的目的和意义 |
| 1.6 研究的主要内容 |
| 第二章 双氯芬酸钠的近红外高光谱成像定量分析方法研究 |
| 2.1 引言 |
| 2.2 实验材料与方法 |
| 2.2.1 材料与试剂 |
| 2.2.2 实验仪器 |
| 2.2.3 制备不同质量双氯芬酸钠比例的保健食品 |
| 2.2.4 近红外高光谱数据采集 |
| 2.2.5 近红外高光谱数据提取 |
| 2.2.6 高光谱数据分析及建模方法 |
| 2.2.7 选择特征波段 |
| 2.2.8 模型评价参数 |
| 2.3 结果与讨论 |
| 2.3.1 违禁添加抗炎药物双氯芬酸钠的近红外高光谱图像分析 |
| 2.3.2 违禁添加抗炎类药物双氯芬酸钠的原始光谱图像 |
| 2.3.3 近红外高光谱数据预处理分析 |
| 2.3.4 不同模型方法的建立及评价 |
| 2.3.5 最佳模型的验证结果比较 |
| 2.4 本章小结 |
| 第三章 薄层色谱-表面增强拉曼同时鉴别抗风湿类保健食品中违禁添加物 |
| 3.1 引言 |
| 3.2 实验材料与方法 |
| 3.2.1 材料与试剂 |
| 3.2.2 仪器与设备 |
| 3.2.3 金胶溶液的制备 |
| 3.2.4 标准溶液及样品的制备 |
| 3.2.5 密度泛函数理论计算 |
| 3.2.6 TLC-SERS条件优化 |
| 3.2.7 化学计量学定性分析11 种化学物质 |
| 3.3 结果与讨论 |
| 3.3.1 纳米金溶胶的性能 |
| 3.3.2 十一种化学物质的拉曼光谱计算及振动模式归属 |
| 3.3.3 TLC-SESR的条件优化 |
| 3.3.4 模拟样品检测的SERS结果 |
| 3.3.5 针对11 种化学物质判别模型的定性分析 |
| 3.3.6 验证较优模型预测结果分析 |
| 3.4 本章小节 |
| 第四章 TLC比移值相近的违禁添加物之间的判别模型研究 |
| 4.1 引言 |
| 4.2 实验材料与方法 |
| 4.2.1 主要试剂与材料 |
| 4.2.2 实验仪器 |
| 4.2.3 金胶溶液及标准样品的制备 |
| 4.2.4 二元混合化学药物拉曼光谱采集 |
| 4.2.5 拉曼光谱预处理及特征波段选择方法 |
| 4.2.6 拉曼光谱数据的定性分析方法 |
| 4.3 结果与讨论 |
| 4.3.1 二元混合化学药物的SERS光谱分析 |
| 4.3.2 CARS方法筛选光谱变量 |
| 4.3.3 二元混合化学药物的拉曼光谱定性分析评价比较 |
| 4.3.4 二元混合化学药物的较优模型验证结果分析 |
| 4.4 本章小结 |
| 主要结论与展望 |
| 主要结论 |
| 展望 |
| 致谢 |
| 参考文献 |
| 附录Ⅰ:作者在攻读硕士学位期间的成果 |
| 附录Ⅱ |
| 附录Ⅲ |
（3）手写文字识别及相关问题算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 手写识别发展现状 |
| 1.2.2 相关问题的发展现状 |
| 1.3 主要研究内容及创新点 |
| 1.4 论文组织结构 |
| 第2章 基于一维卷积的联机手写汉字识别 |
| 2.1 引言 |
| 2.2 基于一维卷积的联机手写汉字识别算法 |
| 2.2.1 手写轨迹预处理 |
| 2.2.2 基于1D-CNN的手写识别架构 |
| 2.3 实验结果 |
| 2.3.1 数据集设置 |
| 2.3.2 不同配置下1D-CNN的识别结果 |
| 2.3.3 1D-CNN与RNN之间的比较 |
| 2.3.4 各种策略的消融实验分析 |
| 2.3.5 在公开数据集上的最终性能比较 |
| 2.4 结论 |
| 第3章 基于注意力机制的空中手写英文单词识别 |
| 3.1 引言 |
| 3.2 空中手写英文单词数据集 |
| 3.2.1 空中手写英文单词的样本采集 |
| 3.2.2 空中手写英文单词的特点 |
| 3.3 基于注意力机制的手写单词识别算法 |
| 3.3.1 空中手写英文单词预处理 |
| 3.3.2 基于注意力机制的编码-解码识别架构 |
| 3.4 实验结果 |
| 3.4.1 实验配置细节 |
| 3.4.2 词典约束解码策略的性能分析 |
| 3.4.3 注意力机制的可视化分析 |
| 3.4.4 用户独立性实验分析 |
| 3.4.5 识别模型的消融实验分析 |
| 3.4.6 与其它空中手写英文单词识别工作的比较 |
| 3.4.7 不同方法的最终识别准确率比较 |
| 3.4.8 识别案例分析 |
| 3.5 结论 |
| 第4章 基于时序卷积循序网络的空中手写中文文本识别 |
| 4.1 引言 |
| 4.2 空中手写中文文本数据集 |
| 4.2.1 空中手写中文文本的样本采集 |
| 4.2.2 空中手写中文文本的特点 |
| 4.3 基于时序卷积循环网络的手写文本识别算法 |
| 4.3.1 空中手写中文文本预处理 |
| 4.3.2 基于时序卷积循环网络的识别架构 |
| 4.4 实验结果 |
| 4.4.1 实验配置细节 |
| 4.4.2 模型的整体性能评估 |
| 4.4.3 消融实验分析 |
| 4.4.4 与基于神经网络的主流识别方法比较 |
| 4.4.5 不同方法在公开数据集上的最终性能比较 |
| 4.4.6 错误案例分析 |
| 4.5 结论 |
| 第5章 基于生成对抗网络的手写文本生成 |
| 5.1 引言 |
| 5.2 基于生成对抗网络的手写文本生成算法 |
| 5.2.1 HiGAN的框架 |
| 5.2.2 训练损失函数 |
| 5.3 实验结果 |
| 5.3.1 实验配置细节 |
| 5.3.2 手写文本生成效果 |
| 5.3.3 模型的鲁棒性分析 |
| 5.3.4 与现有的GAN方法比较 |
| 5.3.5 使用GAN提升手写识别性能 |
| 5.4 结论 |
| 第6章 基于卷积神经网络的手写汉字识别模型压缩 |
| 6.1 引言 |
| 6.2 基于卷积神经网络的手写汉字识别模型压缩算法 |
| 6.2.1 相关知识介绍 |
| 6.2.2 二维卷积神经网络的一体化压缩方法 |
| 6.2.3 提出方法与前人工作的比较优势 |
| 6.3 实验结果 |
| 6.3.1 实验配置细节 |
| 6.3.2 通道裁剪性能评估 |
| 6.3.3 参数量化性能评估 |
| 6.3.4 整体压缩算法性能 |
| 6.3.5 错误案例分析 |
| 6.4 本章小结 |
| 第7章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（4）同伴互助学习在高中英语应用文写作中的有效性研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 一、研究背景 |
| 二、研究目的 |
| 三、研究意义 |
| 四、论文框架 |
| 第二章 文献综述 |
| 一、“同伴互助学习”相关研究 |
| (一)“同伴互助学习”的涵义 |
| (二)同伴互助学习与合作学习 |
| (三)“同伴互助学习”国外研究综述 |
| (四)“同伴互助学习”国内研究综述 |
| 二、“高中英语应用文写作”相关研究 |
| (一)“应用文写作”的涵义 |
| (二)应用文写作的分类 |
| (三)高中英语应用文写作的教学策略 |
| 三、小结 |
| 第三章 理论基础 |
| 一、合作学习理论 |
| 二、建构主义学习理论 |
| 三、社会互动理论 |
| 第四章 研究设计 |
| 一、研究对象 |
| 二、研究问题 |
| 三、研究方法 |
| (一)问卷调查法 |
| (二)访谈法 |
| (三)测试法 |
| 四、研究工具 |
| (一)调查问卷 |
| (二)访谈提纲 |
| (三)应用文写作测试卷 |
| (四)应用文写作互评表 |
| 五、实验步骤 |
| (一)实验前 |
| (二)实验中 |
| (三)实验后 |
| 六、教学案例 |
| 七、数据收集 |
| 第五章 研究结果与讨论 |
| 一、问卷结果分析 |
| (一)实验前问卷结果分析 |
| (二)实验后问卷结果分析 |
| (三)实验前与实验后调查问卷结果对比 |
| 二、访谈结果分析 |
| (一)实验前访谈结果分析 |
| (二)实验后访谈结果分析 |
| (三)实验前与实验后访谈结果对比 |
| 三、测试结果分析 |
| (一)前测和后测写作成绩对比分析 |
| (二)前测和后测写作排名对比分析 |
| 四、应用文写作互评成绩结果分析与讨论 |
| (一)实验前应用文写作互评成绩结果分析 |
| (二)实验后应用文写作互评成绩结果分析 |
| (三)实验前与实验后应用文写作互评成绩结果对比 |
| 第六章 结论 |
| 一、研究发现 |
| 二、教学启示 |
| 三、本研究的局限性 |
| 四、对未来研究的展望 |
| 参考文献 |
| 附录 |
| 附录一 调查问卷(实验前) |
| 附录二 调查问卷(实验后) |
| 附录三 访谈提纲及访谈记录(实验前) |
| 附录四 访谈提纲及访谈记录(实验后) |
| 附录五 英语应用文写作互评表 |
| 附录六 英语应用文写作测试(前测) |
| 附录七 英语应用文写作测试(后测) |
| 附录八 前、后测题测试结果统计 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（5）“牛顿运动定律”主题的学习进阶研究与实践（论文提纲范文）
| 摘要 |
| Abstract |
| 一、绪论 |
| (一)研究背景 |
| 1.国际科学教育背景及学习进阶的源起 |
| 2.我国物理教育改革的实际需要 |
| 3.“牛顿运动定律”主题的学科地位 |
| (二)问题的提出 |
| (三)研究意义 |
| 1.为学生形成系统的概念提供实践指导 |
| 2.为课程标准和教材的编写提供参考 |
| 3.为教学测评、教学决策提供参考 |
| (四)研究内容 |
| (五)研究方法 |
| 二、研究综述 |
| (一)学习进阶的定义及内涵、特点 |
| (二)学习进阶的组成要素 |
| (三)学习进阶的理论基础 |
| 1.皮亚杰认知发展理论 |
| 2.维果斯基的最近发展区理论 |
| 3.奥苏泊尔的认知同化理论 |
| 4.建构主义 |
| 5.概念转变研究 |
| (四)学习进阶的呈现方式 |
| (五)学习进阶的研究现状 |
| 1.学习进阶的产生与发展 |
| 2.“牛顿运动定律”主题学习进阶的研究现状 |
| (六)概念界定 |
| 1.学习进阶 |
| 2.科学概念 |
| 3.核心概念 |
| 4.牛顿运动定律主题 |
| 三、 “牛顿运动定律”主题学习进阶框架的建构 |
| (一)核心概念及其相关概念的确定 |
| (二)“牛顿运动定律”主题进阶维度的确立 |
| (三)“牛顿运动定律”主题进阶变量的确立 |
| (四)“牛顿运动定律”主题的进阶层级的确立 |
| 四、基于“牛顿运动定律”学习进阶模型的教学设计 |
| (一)“牛顿运动定律”的单元教学设计 |
| 1.单元任务分析 |
| 2.单元重点活动 |
| (二)“牛顿运动定律”的课时教学设计 |
| 1.教学设计模型 |
| 2.“牛顿第一定律”的教学设计 |
| 3.“牛顿第二定律”的教学设计 |
| 4.“牛顿第三定律”的教学设计 |
| 五、基于“牛顿运动定律”主题的学习进阶教学实验 |
| (一)实验目的 |
| (二)实验对象 |
| (三)测试工具 |
| 1.测试工具的编写 |
| 2.测评工具的评价标准 |
| (四)数据处理方法 |
| (五)数据分析 |
| 1.班级初始水平差异分析 |
| 2.后测成绩差异性分析 |
| 六、研究结论与教学建议 |
| (一)研究结论 |
| (二)研究的不足之处 |
| (三)教学改进建议 |
| 参考文献 |
| 附录 |
| 致谢 |
（6）基于机器视觉与Retinex图像增强的脐橙检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容 |
| 1.4 创新点 |
| 1.5 研究技术路线 |
| 1.6 论文章节安排 |
| 第二章 相关理论及样本库的构建 |
| 2.1 机器视觉检测模型 |
| 2.1.1 深度学习概述 |
| 2.1.2 基于深度学习的机器视觉模型 |
| 2.1.3 主要评定指标 |
| 2.2 Retinex增强算法 |
| 2.3 脐橙图像样本库的构建 |
| 2.3.1 数据来源 |
| 2.3.2 样本库的构建 |
| 2.4 实验环境 |
| 2.5 本章小结 |
| 第三章 基于不同观测条件的脐橙检测 |
| 3.1 YOLOv3 的脐橙检测结果与分析 |
| 3.1.1 10:00-11:00 时段 |
| 3.1.2 12:00-13:00 时段 |
| 3.1.3 14:00-15:00 时段 |
| 3.1.4 16:00-17:00 时段 |
| 3.2 YOLOv4 的脐橙检测结果与分析 |
| 3.2.1 10:00-11:00 时段 |
| 3.2.2 12:00-13:00 时段 |
| 3.2.3 14:00-15:00 时段 |
| 3.2.4 16:00-17:00 时段 |
| 3.3 YOLOv5 的脐橙检测结果与分析 |
| 3.3.1 10:00-11:00 时段 |
| 3.3.2 12:00-13:00 时段 |
| 3.3.3 14:00-15:00 时段 |
| 3.3.4 16:00-17:00 时段 |
| 3.4 本章小结 |
| 第四章 基于综合样本库的脐橙检测 |
| 4.1 YOLOv3 模型的脐橙检测结果与分析 |
| 4.2 YOLOv4 模型的脐橙检测结果与分析 |
| 4.3 YOLOv5 模型的脐橙检测结果与分析 |
| 4.4 本章小结 |
| 第五章 问题分析与探讨 |
| 5.1 技术选型分析 |
| 5.2 阴影遮盖敏感性分析 |
| 5.3 叶片遮挡敏感性分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（7）基于状态监测数据的动态FTA方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发展研究现状 |
| 1.2.1 故障树分析的发展及研究现状 |
| 1.2.2 Petri网的发展及研究现状 |
| 1.2.3 状态监测与故障诊断的发展及研究现状 |
| 1.3 本文的架构安排 |
| 第二章 行星齿轮箱的故障树分析 |
| 2.1 行星齿轮箱的简介 |
| 2.1.1 行星齿轮箱的结构组成 |
| 2.1.2 行星齿轮箱的工作原理 |
| 2.2 故障树分析基础理论 |
| 2.2.1 故障树事件、逻辑门及常用符号 |
| 2.2.2 故障树分析方法概述 |
| 2.2.3 故障树的建立流程 |
| 2.2.4 故障树的定性分析和定量分析 |
| 2.3 行星齿轮箱故障树建模分析 |
| 2.3.1 行星齿轮箱常见的故障模式和故障原因分析 |
| 2.3.2 行星齿轮箱故障树建立 |
| 2.3.3 行星齿轮箱故障树定性分析和定量分析 |
| 2.4 本章小结 |
| 第三章 行星齿轮箱系统故障树-Petri网建模分析 |
| 3.1 Petri网基本原理简介 |
| 3.1.1 Petri网模型介绍 |
| 3.1.2 Petri网系统的数学模型 |
| 3.2 行星齿轮箱系统故障树-Petri网模型建立 |
| 3.2.1 行星齿轮箱系统故障树-Petri网网状模型 |
| 3.2.2 行星齿轮箱系统FT-PN数学模型 |
| 3.3 行星齿轮箱系统故障树-Petri网模型最小割集求解 |
| 3.3.1 关联矩阵法求解最小割集示例 |
| 3.3.2 求解行星齿轮箱系统FT-PN模型最小割集 |
| 3.4 行星齿轮箱系统故障动态传播分析 |
| 3.4.1 Petri网动态传播的数学分析 |
| 3.4.2 行星齿轮箱系统故障动态传播过程 |
| 3.5 本章小结 |
| 第四章 基于故障树与Petri网的齿轮故障程度建模分析 |
| 4.1 齿轮的失效形式分析 |
| 4.2 齿轮各种失效形式的程度划分 |
| 4.2.1 齿轮的失效程度定义 |
| 4.2.2 齿轮失效程度的评分准则 |
| 4.2.3 齿轮各种失效形式程度的划分准则 |
| 4.3 齿轮故障程度树模型建立 |
| 4.3.1 齿轮失效的故障树 |
| 4.3.2 齿轮的故障程度树建立 |
| 4.4 齿轮故障程度树-Petri网建模分析 |
| 4.4.1 齿轮故障程度树-Petri网模型构建 |
| 4.4.2 齿轮故障传递的数学分析 |
| 4.5 本章小结 |
| 第五章 基于状态监测与FDT-PN模型的齿轮故障实时动态研究 |
| 5.1 状态监测方法与故障诊断方法简介 |
| 5.2 齿轮不同程度裂纹实验分析 |
| 5.2.1 故障模拟实验台介绍 |
| 5.2.2 实验准备工作 |
| 5.2.3 实验结果分析 |
| 5.3 基于故障程度树的齿轮实时动态分析研究 |
| 5.3.1 齿轮裂纹状态判定指标 |
| 5.3.2 齿轮实时动态分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（8）单元覆盖测试中的程序约束建模研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 课题来源 |
| 1.3 主要研究内容 |
| 1.4 主要创新点 |
| 1.5 文章组织结构 |
| 第二章 程序约束建模概述 |
| 2.1 符号执行技术概述 |
| 2.1.1 静态符号执行技术 |
| 2.1.2 动态符号执行技术 |
| 2.1.3 常见符号执行工具 |
| 2.2 程序约束模型概述 |
| 2.2.1 面向LP的约束建模 |
| 2.2.2 面向CSP的约束建模 |
| 2.2.3 代码测试系统CTS |
| 第三章 单元覆盖测试中的隐性约束提取方法研究 |
| 3.1 引言 |
| 3.2 基于规则导向符号执行的隐性约束提取方法 |
| 3.2.1 误报与漏报 |
| 3.2.2 程序约束分类 |
| 3.2.3 规则导向的符号执行 |
| 3.2.4 隐性约束提取 |
| 3.3 实验 |
| 3.3.1 方法有效性评价 |
| 3.3.2 方法必要性评价 |
| 3.3.3 方法对比评价 |
| 3.4 相关研究 |
| 3.5 本章小结 |
| 第四章 友好测试数据生成方法研究 |
| 4.1 引言 |
| 4.2 研究背景 |
| 4.3 挖掘常量信息用于友好测试数据生成 |
| 4.3.1 基本思想 |
| 4.3.2 约束和相关常量提取 |
| 4.3.3 欠约束变量分析 |
| 4.3.4 相关常量分析 |
| 4.4 实验 |
| 4.4.1 实验过程与实验设置 |
| 4.4.2 实验结果与分析 |
| 4.5 相关研究 |
| 4.6 本章小结 |
| 第五章 基于静态分析的预言数据选取方法研究 |
| 5.1 引言 |
| 5.2 基于静态分析的预言数据选取方法 |
| 5.2.1 关键路径分析 |
| 5.2.2 预言数据的定量分析和定性分析 |
| 5.3 实验 |
| 5.3.1 实验原理与实验对象 |
| 5.3.2 关键路径分析效果评价 |
| 5.3.3 定量分析效果评价 |
| 5.3.4 PSODS效果评价 |
| 5.4 相关研究 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 下一步研究工作 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（9）尿液中常见毒品GC-MS定性分析结果判定方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 1 法庭毒物分析中定性分析结果判定方法研究背景及研究现状 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 国内外定性判定方法研究现状 |
| 1.2.2 主要问题与小结 |
| 2 尿液中常见毒品GC-MS检测方法的研究 |
| 2.1 材料和方法 |
| 2.1.1 实验仪器及检测条件 |
| 2.1.2 标准品和试剂 |
| 2.1.3 标准溶液的配制 |
| 2.1.4 样品前处理方法 |
| 2.2 结果与讨论 |
| 2.2.1 标准品总离子流色谱图 |
| 2.2.2 前处理条件的优化 |
| 2.2.3 工作曲线与检测限 |
| 2.2.4 回收率和精密度 |
| 2.3 本章小结 |
| 3 尿液中常见毒品GC-MS检测结果中保留时间判定方法研究 |
| 3.1 材料和方法 |
| 3.1.1 实验仪器及检测条件 |
| 3.1.2 试剂 |
| 3.1.3 标准溶液的配制 |
| 3.1.4 样品前处理及进样顺序 |
| 3.1.5 数据处理 |
| 3.2 结果 |
| 3.2.1 标准溶液和尿液中毒品保留时间的检测结果 |
| 3.2.2 尿液中毒品保留时间偏差 |
| 3.3 讨论 |
| 3.3.1 绝对保留时间的判定 |
| 3.3.2 相对保留时间的判定 |
| 3.4 本章小结 |
| 4 尿液中常见毒品GC-MS检测结果中离子丰度比判定方法研究 |
| 4.1 材料与方法 |
| 4.1.1 实验仪器及检测条件 |
| 4.1.2 试剂 |
| 4.1.3 标准溶液的配制 |
| 4.1.4 样品前处理及进样顺序 |
| 4.1.5 数据处理 |
| 4.2 结果 |
| 4.2.1 特征离子的选择和离子丰度比的检测结果 |
| 4.2.2 尿液中毒品离子丰度比的偏差 |
| 4.3 讨论 |
| 4.3.1 尿液中毒品特征离子的离子丰度比绝对偏差 |
| 4.3.2 尿液中毒品特征离子的离子丰度比相对偏差 |
| 4.4 本章小结 |
| 5 实际案例验证 |
| 5.1 材料与方法 |
| 5.1.1 实验仪器及检测条件 |
| 5.1.2 试剂 |
| 5.1.3 标准溶液的配制 |
| 5.1.4 样品前处理 |
| 5.2 结果与讨论 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（10）基于太赫兹时域光谱的物质检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 太赫兹系统的研究背景和意义 |
| 1.2 太赫兹技术的发展和演变 |
| 1.3 太赫兹光谱技术的研究现状 |
| 1.4 论文工作内容和意义 |
| 1.4.1 工作内容 |
| 1.4.2 工作意义 |
| 1.5 论文的结构安排 |
| 第二章 太赫兹时域光谱物质检测的理论基础 |
| 2.1 太赫兹脉冲的产生与探测 |
| 2.1.1 太赫兹脉冲的产生 |
| 2.1.2 太赫兹脉冲的探测 |
| 2.2 太赫兹时域光谱系统 |
| 2.2.1 反射型太赫兹时域光谱系统 |
| 2.2.2 透射型太赫兹时域光谱系统 |
| 2.3 提取材料光学参数的基本原理 |
| 2.4 建模方法介绍 |
| 2.4.1 定性识别建模方法 |
| 2.4.2 定量检测建模方法 |
| 2.4.3 模型评价指标 |
| 2.4.4 建模算法比较 |
| 2.5 本章小结 |
| 第三章 太赫兹时域光谱定性识别方法研究 |
| 3.1 实验用太赫兹时域光谱系统 |
| 3.2 样品制备以及测量 |
| 3.3 数据预处理方法 |
| 3.4 物质太赫兹时域光谱的测量 |
| 3.5 物质的定性分析 |
| 3.5.1 成分识别建模方案 |
| 3.5.2 实验结果分析 |
| 3.5.3 实验误差分析 |
| 3.6 本章小结 |
| 第四章 太赫兹时域光谱定量检测方法研究 |
| 4.1 物质含量测定方法 |
| 4.2 定量分析实验方案 |
| 4.2.1 样本的制备 |
| 4.2.2 光谱数据的测量 |
| 4.2.3 数据预处理 |
| 4.2.4 回归模型的训练 |
| 4.3 实验结果与误差分析 |
| 4.3.1 实验结果分析 |
| 4.3.2 实验误差分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究工作总结 |
| 5.2 下一步展望 |
| 参考文献 |
| 致谢 |
| 作者攻读硕士学位期间发表的学术论文目录 |
四、定性分析实验中常见错误探讨（论文参考文献）
- [1]基于太赫兹光谱技术的三七粉掺假检测研究[D]. 蔡会周. 华东交通大学, 2021(01)
- [2]抗风湿保健品中违禁添加物的高光谱和拉曼筛查方法研究[D]. 王成. 江南大学, 2021(01)
- [3]手写文字识别及相关问题算法研究[D]. 甘吉. 中国科学院大学(中国科学院计算机科学与技术学院), 2021(01)
- [4]同伴互助学习在高中英语应用文写作中的有效性研究[D]. 张闻雅. 哈尔滨师范大学, 2021(09)
- [5]“牛顿运动定律”主题的学习进阶研究与实践[D]. 胡冰冰. 广西师范大学, 2021(09)
- [6]基于机器视觉与Retinex图像增强的脐橙检测方法研究[D]. 冀炜臻. 江西理工大学, 2021(01)
- [7]基于状态监测数据的动态FTA方法研究[D]. 黄振. 电子科技大学, 2021(01)
- [8]单元覆盖测试中的程序约束建模研究[D]. 张明哲. 北京邮电大学, 2021
- [9]尿液中常见毒品GC-MS定性分析结果判定方法研究[D]. 彭山珊. 中国人民公安大学, 2020(12)
- [10]基于太赫兹时域光谱的物质检测方法研究[D]. 高圆. 北京邮电大学, 2020(05)