内容介绍
用户评论
全部咨询
本书从实用的角度出发,论述化学计量学技术在各种仪器分析信号处理及工业诊断与优化中的应用.本书共分3篇14章.第一篇讨论信息理论,信噪比增强方法,相关化学信号处理及波谱解析;第二篇介绍各种回归分析技术及模式识别判别分析技术,其中有多重判别矢量法,Fisher判别矢量法,主成分分析法,偏最小二乘法,变量扩维-筛选方法以及这些方法在工业诊断和优化中的应用;第三篇为人工神经网络方法和在电感耦合等离子体原子发射光谱干扰校正中应用的化学计量学方法.
本书可作为化学专业研究生和高年级本科生的教材和教学参考书,也可供广大科技工作者参考.
目录
- 前言
第一章 概论
1.1化学计量学技术及发展概况
1.2化学计量学主要研究内容和应用情况
1.3本书主要内容
第一篇 化学信号处理
第二章 信号处理概述
2.1化学信号与信息特征
2.2信号的符号表示
2.3信号与噪声
2.4信号分辨
2.5信号的属性
2.6测不准原理
第三章 信噪比软件增强技术
3.1化学信号的拾取
3.2数字信号处理的预备知识
3.3模拟信号的傅里叶级数和傅里叶变换
3.4信号的采样与复原
3.5信号与噪声的频谱分析
3.6傅里叶变换滤波器
3.7一般实用数字滤波器
第四章 相关化学信号处理
4.1什么是相关
4.2自相关
4.3交叉相关方法
4.4锁相方法
4.5卷积和退卷积
4.6相关化学测量
第五章 波谱解谱
5.1复杂信号的测量
5.2信号组分的分离
第六章 时-频分布
6.1引言
6.2整体平均值
6.3局部平均值
6.4时间和频率位移不变性
6.5线性尺度变换
6.6弱和强有限支持
第七章 短-时傅里叶变换和小波变换
7.1引言
7.2短-时傅里叶变换和频谱图
7.3一般特性
7.4整体量
7.5变窄和加宽窗
7.6小波分析介绍
第二篇 多变量分析
第八章 回归分析
8.1数理统计基本知识
8.2一元线性回归
8.3多元线性回归
8.4岭回归
8.5逐步回归
8.6主成分回归
第九章 模式识别判别分析
9.1模式识别基本概念简介
9.2多重判别矢量法
9.3 Fisher判别矢量法
9.4主成分分析法(PCA)
9.5非线性映射
第十章 偏最小二乘法
10.1简介
10.2偏最小二乘法中噪声过滤原理和PRESS判据
10.3 PLS方法原理
10.4基本算式
10.5用于PLS和PCR的简单迭代算法
第十一章 变量扩维-筛选方法
11.1变量扩维-筛选方法原理
11.2正交递归选择法
11.3遗传算法
11.4遗传算法在变量筛选中的应用
11.5模拟退火算法与遗传算法结合用于变量筛选
第十二章 多变量分析方法在工业诊断和优化中的应用
12.1引言
12.2压力容器钢生产工艺优化研究
12.3高炉炼铁烧结矿生产工艺优化研究
12.4氧化铝耐火材料组成和烧结工艺条件研究
12.5水泥28天强度的预报模型
12.6转炉炉龄问题研究
第三篇 其他技术
第十三章 人工神经网络
13.1方法简介
13.2基本原理
13.3网络的结构与优化
13.4 ANN的各种模型
13.5 ANN的应用
13.6应用举例
13.7展望
第十四章 化学计量学方法在电感耦合等离子体原子发射光谱法干扰校正中的应用
14.1光谱干扰的校正技术简介
14.2广义标准加入法
14.3次因子重叠设计分析法
14.4矩阵投影算法
14.5卡尔曼滤波法
14.6 ICP-AES中光谱线及其相互干扰的计算机模拟
附录
附录A 回归模型中e-i与ei的关系
附录B 矩阵求逆公式