1.内容全面——系统总结了用于光谱分析的各类化学计量学方法，包括光谱预处理算法、变量选择算法、数据降维算法、线性和非线性多元定量校正算法、模式识别算法、模型传递算法和深度学习算法等。 2.写法新颖——书中不是简单地将算法行罗列，而是将这些方法与科研发和实际应用紧密结合起来，并对许多算法的改和策略的延伸做了重评述。 3.凝结经验——书中凝结了褚小立教授多年从事光谱分析技术和化学计量学方法研发的经验和体会，为本领域的科研和应用人员提供了很多值得借鉴的新观和新思路。
售 价：¥
纸质售价：¥164.20购买纸书
6.6
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
书名页
内容提要
版权页
前言
1 绪论
1.1 化学计量学概述
1.1.1 化学计量学起源、定义和发展历程
1.1.2 化学计量学研究的内容
1.1.3 化学计量学方法的必要性
1.1.4 应用化学计量学方法需注意的问题
1.2 光谱结合化学计量学的分析方法
1.2.1 校正模型的建立
1.2.2 常规分析
1.2.3 方法的特点
1.3 现代光谱分析技术的开端——Karl Norris的贡献
参考文献
2 现代光谱分析技术
2.1 引言
2.2 近红外光谱
2.2.1 微型近红外分析技术
2.2.2 在线近红外分析技术
2.2.3 近红外光谱标准方法
2.3 中红外光谱
2.3.1 便携式中红外分析技术
2.3.2 在线中红外分析技术
2.4 拉曼光谱
2.4.1 傅里叶拉曼光谱
2.4.2 表面增强拉曼光谱
2.4.3 共聚焦拉曼光谱
2.4.4 空间偏移拉曼光谱
2.4.5 透射拉曼光谱
2.4.6 便携式拉曼分析技术
2.4.7 光纤拉曼分析技术
2.5 紫外-可见光谱
2.6 分子荧光光谱
2.6.1 三维荧光光谱
2.6.2 激光诱导荧光光谱
2.7 低场核磁共振谱
2.8 太赫兹光谱
2.9 激光诱导击穿光谱
2.10 光谱成像
参考文献
3 矩阵和数理统计基础
3.1 矩阵基础
3.2 朗伯-比尔定律的矩阵表示
3.3 方差和正态分布
3.4 显著性检验
3.5 相关系数
3.6 协方差与协方差矩阵
3.7 多变量的图表示法
3.7.1 样本的空间表示
3.7.2 箱须图
3.7.3 雷达图
参考文献
4 光谱预处理方法
4.1 均值中心化
4.2 标准化
4.3 归一化
4.4 平滑去噪
4.4.1 移动平均平滑
4.4.2 Savitzky-Golay卷积平滑
4.4.3 傅里叶变换和小波变换
4.5 连续统去除法
4.6 自适应迭代重加权惩罚最小二乘
4.7 导数
4.7.1 Norris方法
4.7.2 Savitzky-Golay卷积求导
4.7.3 小波变换求导
4.7.4 分数阶导数
4.8 SNV和去趋势
4.9 乘性散射校正
4.10 向量角转换
4.11 傅里叶变换
4.12 小波变换
4.13 图像矩方法
4.14 外部参数正交化
4.15 广义最小二乘加权
4.16 载荷空间标准化
4.17 斜投影
4.18 正交信号校正
4.18.1 Wold算法
4.18.2 Fearn算法
4.18.3 DOSC算法
4.18.4 DO算法
4.18.5 正交信号校正算法的应用研究
4.19 净分析信号
4.20 光程估计与校正
4.21 二维相关光谱方法
参考文献
5 波长变量选择方法
5.1 相关系数和方差分析方法
5.2 交互式自模型混合物分析方法
5.3 连续投影方法
5.4 变量投影重要性方法
5.5 无信息变量消除方法
5.6 竞争性自适应重加权采样方法
5.7 间隔PLS方法
5.8 移动窗口PLS方法
5.9 递归加权PLS方法
5.10 全局优化的方法
5.10.1 遗传算法
5.10.2 模拟退火算法
5.10.3 粒子群算法
5.10.4 蚁群算法
5.11 迭代保留信息变量方法
5.12 其他方法
5.13 波长选择算法的联合与融合
5.14 光谱预处理和波长选取方法的选择
参考文献
6 光谱降维方法
6.1 多重共线性问题
6.2 主成分分析
6.2.1 主成分分析基本原理
6.2.2 主成分数的确定
6.2.3 主成分分析算法
6.2.4 主成分分析的应用
6.2.5 多元分辨交替最小二乘
6.2.6 目标波段熵最小化
6.2.7 多级同时成分分析
6.3 非负矩阵因子分解
6.4 独立成分分析
6.5 多维尺度变换
6.6 Isomap方法
6.7 局部线性嵌入算法
6.8 t-分布式随机邻域嵌入算法
6.9 其他算法
参考文献
7 线性校正方法
7.1 一元线性回归
7.2 多元线性回归
7.3 浓度残差增广最小二乘回归
7.4 逐步线性回归
7.5 岭回归
7.6 Lasso回归
7.7 最小角回归
7.8 弹性网络
7.9 主成分回归
7.9.1 基本原理
7.9.2 选取最佳主因子数的方法
7.10 偏最小二乘回归
参考文献
8 非线性校正方法
8.1 人工神经网络
8.1.1 引言
8.1.2 BP神经网络及其算法
8.1.3 BP神经网络的设计
8.1.4 其他类型的神经网络
8.1.5 神经网络参数的优化
8.2 支持向量机
8.2.1 引言
8.2.2 支持向量回归
8.2.3 最小二乘支持向量回归
8.2.4 支持向量回归参数的优化
8.3 相关向量机
8.4 核偏最小二乘法
8.5 极限学习机
8.6 高斯过程回归
参考文献
9 校正样本的选择方法
9.1 引言
9.2 Kennard-Stone方法
9.3 SPXY方法
9.4 OptiSim方法
9.5 其他方法
参考文献
10 界外样本的检测方法
10.1 校正过程界外样本的检测
10.2 预测过程界外样本的检测
10.3 其他检测方法
参考文献
11 定量校正模型的维护更新
11.1 必要性
11.2 递归指数加权PLS方法
11.3 块式递归PLS方法
11.4 即时学习与主动学习
参考文献
12 模式识别方法
12.1 引言
12.2 无监督的模式识别方法
12.2.1 相似系数和距离
12.2.2 系统聚类分析
12.2.3 K-均值聚类方法
12.2.4 模糊K-均值聚类方法
12.2.5 高斯混合模型
12.2.6 自组织神经网络
12.3 有监督的模式识别方法
12.3.1 最小距离判别法
12.3.2 典型变量分析
12.3.3 K-最近邻法
12.3.4 SIMCA法
12.3.5 Logistic回归
12.3.6 Softmax分类器
12.3.7 随机森林
12.3.8 回归方法用于判别分析
12.4 光谱检索算法及其应用
12.4.1 引言
12.4.2 光谱检索基本算法
12.4.3 光谱检索算法的改进与应用
12.4.4 光谱检索策略与应用
参考文献
13 模型的评价
13.1 定量校正模型的评价
13.1.1 评价参数
13.1.2 模型的评价
13.1.3 模型的统计报告
13.2 模式识别模型性能的评价
参考文献
14 提高模型预测能力的方法
14.1 提高稳健性的建模策略
14.2 基于局部样本的建模策略
14.3 集成的建模策略
14.3.1 Bagging方法
14.3.2 Boosting方法
14.3.3 叠加PLS方法
14.3.4 堆栈泛化算法
14.4 虚拟样本建模策略
14.5 半监督学习方法
14.6 多目标回归策略
参考文献
15 多光谱融合技术
15.1 融合策略与方法
15.2 多块偏最小二乘方法
15.3 序贯正交偏最小二乘方法
15.4 多光谱融合的应用研究
15.5 展望
参考文献
16 多维分辨和校正方法
16.1 引言
16.2 PARAFAC方法
16.3 交替三线性分解方法
16.4 多维偏最小二乘法
参考文献
17 模型传递方法
17.1 引言
17.2 经典算法
17.2.1 SSC算法
17.2.2 Shenk's算法
17.2.3 DS算法
17.2.4 PDS算法
17.2.5 普鲁克分析算法
17.2.6 目标转换因子分析算法
17.2.7 最大似然主成分分析算法
17.2.8 SBC算法
17.3 经典算法的改进
17.4 算法新进展
17.4.1 CCA算法
17.4.2 SST算法
17.4.3 ATLD算法
17.4.4 MTL算法
17.4.5 GLS算法
17.4.6 其他算法
17.5 全局模型、稳健模型和模型更新
17.6 应用研究进展
17.6.1 SBC方法
17.6.2 SSC方法
17.6.3 Shenk's方法
17.6.4 DS方法
17.6.5 PDS方法
17.6.6 CCA方法
17.6.7 全局模型的建立
17.6.8 其他方法
参考文献
18 深度学习算法
18.1 栈式自动编码器
18.2 卷积神经网络
18.2.1 卷积神经网络的基本构成
18.2.2 优化算法
18.2.3 损失函数
18.2.4 激活函数
18.2.5 防止过拟合的方法
18.2.6 经典的卷积神经网络架构
18.2.7 流行的深度学习软件框架
18.2.8 卷积神经网络的设计
18.2.9 卷积神经网络的训练
18.2.10 卷积神经网络的优缺点
18.2.11 卷积神经网络的应用研究
18.3 深度信念网络
18.4 迁移学习
参考文献
19 化学计量学软件和工具包
19.1 引言
19.2 软件的基本构架和功能
19.3 常用软件与工具箱
参考文献
20 若干问题的探讨
20.1 不同光谱分析技术的比较
20.2 化学计量学方法的选择
20.2.1 多元校正方法的选择
20.2.2 模式识别方法的选择
20.2.3 光谱预处理方法和光谱变量的选择
20.3 模型预测能力影响因素浅析
20.3.1 校正样本的影响
20.3.2 基础数据的影响
20.3.3 光谱测量方式的影响
20.3.4 光谱采集条件的影响
20.3.5 仪器性能的影响
20.4 展望
参考文献
缩略语表
后记
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
