化学计量学研究方法

《化学计量学研究方法》是 科学出版社有限责任理京振任故设开公司出版的图书，作者是卢小泉、陈晶、周喜斌。

• 书名 化学计量学研究方法
• 作者 卢小泉，陈晶，周喜斌
• ISBN 9787030372710
• 页数 328
• 定价 85.00元

简介

　　化学计量学作为化学领域中的一个重要交叉学科已在科研领域显示出了强大的生命力。本书围绕化学量测过程中的实际问题，结合作者多年来在这一领域的科研成果和教学经验，主要介绍了化学计量学的常用研究方法及其在相关科研领域的应用。本书的内容包括了化学计量学的主要内容，共分10章，各章节内容分别为:1)误差及数理统参利弱长教既异著效英蛋计基础;2)线性回归来自分析方法;3)数据平滑方法;4)主成分分析和因子分析;5)小波分析;6)偏最小二乘;7)模式识别360百科;8)遗传算法;9)人工神经网络;10)支持向量机。同时，本书附录列出了化学计量学的一些常用数据信息，以方便读者查阅。

目录

　　前言

　　第1章 误差及数理统计基础

　　1.1 统计学中状更杆帝将数决千水千酒的几个基本概念

　　1.1.1 且海随机变量

　　1.1.2 总体与话也太每样本

　　1.1.3 统计量

　　1.2 误差

　　1.2.江绍木切拿最1 误差的定义和表示

　　1.2.2 误差的分类

　　1.2.3 误差的传递

　　1.2.4 茶础顾场常心受富机波视精密度和准确度

　　1.3 参数估计

　　1.3.1 定义

　　1.3.2 估计量的判别标准

　　1.4 假设检验 前言第1章 误差及数理统计基础1.1 统计学中的几个基本概念1.1.1 随机变量1.1.2 总体与样本1.1.3 统计量1.2 误差1.2.1 误多田差的定义和表示1.2.2 误差谓厚分依价烧期附的分类1.2.3 误差的传递1.2.4 精密度和准确度1.3 参数估计1.3.1 定义1.3.2 估计量的判别标准1.4 假设检验1.4.计总船1 假设检验的分类和概念1.4.2 两种错误1.4.3 假设检验的步骤1.5 随机误差的分布及置信区间1.5.1 正态分布1.5.2 置信区间1.5.3 置信区间的其他应用1.6 显著性检验1.6.1 显掉古放围频新青除著性水平1.6.2 t检验1.侵烈服扬用帝再校促6.3 F检验1.7 可疑值的剔除1.7.1 格鲁布斯法1.7.2 狄克松法参考文献第2章 常见的数据预处理和平滑方状法2.1 数据归一化/标准化和变换方法2.1.1 数据归一化/标准化方游穿化连板期场血法2.1.2 数据的变换方法个影术光响类2.2 数据降维方法2.3 异常数据检测方法和空缺值处理方法2.3.1 异常数据检层圆测方法2.3.2 空缺值处理方贵法2.4 噪声数据处理方法2.4.1 窗口移动平均法2.4.2 窗口移动多项式最小二乘平滑法2氢少没源府棉停先架力月.4.3 稳健中位数平滑法2.4.4 傅里叶变换平滑2.4.5 小波变换平滑2.5 其火笑杆适再渐普这例鱼他常见数据预处理的方法参考文献第3章 线性回归分析3.1 一元线性回归3.1.1 模型的建立与正态分布假设3.1.2 参数的最小二乘估计3.1.3 一元回归方程的求法3.1.4 斜率β1和截距β0的区间估计3.1.5 回归方程的显著性检验3.1.6 相关系数和相关系数的假设检验3.1.7 方差分配3.1.8 标准加入法3.2 多元线性回归3.2.1 模型建立与正态分布假设3.2.2 参数的最小二乘估计3.2.3 多元线性回归方程的求法3.2.4 多元回归方程的方差分析和显著性检验3.2.5 回归分析中的复共线性3.3 最小二乘法线性回归3.4 逐步回归3.4.1 逐步回归的基本原理3.4.2 逐步回归的具体步骤3.4.3 容许值和容许值水平界限参考文献第4章 主成分分析4.1 概述4.2 基本原理4.2.1 主成分分析的基本原理4.2.2 主成分分析的数学模型4.2.3 主成分的几何意义4.3 主成分的性质4.4 主成分的推导4.5 主成分分析的相关计算4.5.1 主成分的方差贡献率4.5.2 原始变量被主成分的提取率4.5.3 主成分载荷的计算4.5.4 矩阵XTX特征值的算法4.5.5 基于主成分分析的体系组分数确定方法4.6 主成分分析的步骤4.6.1 样本数据标准化4.6.2 计算相关系数矩阵4.6.3 求R的特征值和特征向量4.6.4 重要主成分的选择4.6.5 主成分得分4.7 主成分回归4.8 主成分分析的主要应用4.8.1 投影显示法4.8.2 主成分分析在多指标综合评价中的应用4.8.3 主成分分析在系统评价中的应用参考文献第5章 因子分析5.1 因子分析的基本原理5.2 主因子分析5.2.1 基本原理5.2.2 因子数的确定5.2.3 方差最大正交因子旋转5.2.4 因子得分5.3 雅可比算法5.4 目标转换因子分析5.5 迭代目标转换因子分析法5.6 渐进因子分析5.6.1 基本原理5.6.2 固定尺寸移动窗口渐进因子分析法5.7 因子分析在多组分同时测定中的应用5.8 数据例解参考文献第6章 偏最小二乘法6.1 偏最小二乘原理6.2 偏最小二乘算法6.2.1 处理单目标变量问题的偏最小二乘算法6.2.2 处理样本少变量多问题的偏最小二乘算法6.2.3 偏最小二乘的简单迭代算法6.2.4 偏最小二乘算法中矢量的性质6.3 偏最小二乘法的交叉有效性6.4 非线性偏最小二乘6.5 应用实例参考文献第7章 小波变换分析技术7.1 小波分析简介7.2 小波分析理论7.2.1 小波的定义7.2.2 小波的多分辨分析7.2.3 连续小波变换7.2.4 离散小波变换及逆变换7.2.5 小波函数7.2.6 小波包7.3 重叠分析信号的小波分析方法7.4 小波变换的频率分析方法7.5 小波主成分分析7.5.1 主成分分析7.5.2 小波主成分分析7.5.3 小波主成分分析的应用7.6 小波神经网络及其在化学信号分析中的应用7.6.1 小波和神经网络的结合7.6.2 小波神经网络在化学中的应用7.7 二维小波分析7.7.1 二维小波变换7.7.2 Matlab中二维小波变换7.8 小波分析的其他应用7.8.1 小波分析在分子生物信息学中的应用7.8.2 样条小波分析在电分析信号中的应用7.8.3 Daubechies正交小波在处理分析化学信号中的应用7.8.4 小波包分析在化学信号分析中的应用参考文献第8章 化学模式识别8.1 概述8.1.1 几个概念8.1.2 模式空间的相似系数与距离8.1.3 模式识别中的分类问题8.1.4 模式识别中方法的分类8.1.5 计算机模式识别方法8.1.6 模式识别的计算步骤8.2 特征抽取方法8.2.1 特征抽取方法8.2.2 特征选择中应注意的问题8.2.3 化学模式识别中的特征变量8.3 有监督的模式识别方法:判别分析法8.3.1 距离判别法8.3.2 Fisher判别分析法8.3.3 Bayes判别分析法8.3.4 线性学习机8.3.5 K-最近邻法8.3.6 ALKNN8.4 无监督的模式识别方法:聚类分析法8.4.1 聚类分析的基本原理8.4.2 聚类过程8.4.3 聚类分析算法分类8.5 基于特征投影的降维显示方法8.5.1 基于主成分分析的投影显示法8.5.2 基于主成分分析的SIMCA分类法8.5.3 基于偏最小二乘的降维方法8.5.4 非线性投影方法参考文献第9章 遗传算法9.1 遗传算法简介9.2 遗传算法的特点9.3 遗传算法的流程9.3.1 编码9.3.2 初始种群的建立9.3.3 适应度函数的设计9.3.4 遗传操作设计9.3.5 控制参数的设定9.4 遗传操作设计9.4.1 复制9.4.2 交换9.4.3 变异9.5 遗传算法的终止条件9.6 遗传算法的应用9.6.1 遗传算法在变量筛选中的应用9.6.2 遗传算法在函数优化上的应用9.6.3 遗传算法在组合优化中的应用9.6.4 遗传算法在机器学习和人工生命中的应用9.6.5 遗传算法在图像处理和模式识别中的应用9.6.6 遗传算法在生产调度问题中的应用参考文献第10章 人工神经网络法及其在化学中的应用10.1 引言10.2 模式神经元网络的算法改进10.2.1 记忆-遗忘曲线及其原理10.2.2 改进后的人工神经网络10.2.3 人工神经网络的改进之处10.3 反向传输人工神经网络算法10.3.1 方法原理10.3.2 BFGS算法10.3.3 数据预处理及网络结点数10.3.4 测试集的监控和最优模型的选择10.3.5 BP神经网络结构10.3.6 精确值计算和模式识别10.3.7 人工神经网络的过拟合和过训练问题10.4 Kohonen自组织特征映射模型10.5 Hopfield神经网络10.6 人工神经网络的应用10.6.1 对多组分的测定10.6.2 在纺织中应用10.6.3 药效预测10.6.4 在其他方面的应用参考文献第11章 支持向量机11.1 支持向量机概述11.1.1 VC维理论及推广性11.1.2 结构风险最小化原理11.1.3 支持向量机的基本原理11.1.4 支持向量机的学习算法11.1.5 支持向量机的优点11.1.6 支持向量机的一般步骤11.2 支持向量分类算法11.2.1 两类被分类问题11.2.2 多类别分类方法11.2.3 最大间隔分类器11.2.4 软间隔优化11.3 支持向量回归11.3.1 支持向量回归的基本理论11.3.2 ε不敏感损失回归11.3.3 核岭回归11.3.4 高斯过程11.4 支持向量机的应用11.4.1 文本分类11.4.2 信息检索11.4.3 图像识别11.4.4 在医学上的应用11.4.5 手写数字识别参考文献第12章 定量构效活性关系12.1 QSPR/QSAR的研究进展12.1.1 局部QSPR/QSAR模型12.1.2 反向QSPR/QSAR12.1.3 高维(High-dimensional)QSAR模型12.2 分子描述符的计算12.3 描述符的选择12.3.1 遗传算法(GA)12.3.2 逐步回归法12.3.3 启发式方法(HM)12.3.4 主成分分析(PCA)12.3.5 变量最优子集回归法(LBR)12.3.6 模拟退火算法(SAA)12.4 建模方法12.4.1 2D-QSAR建模方法12.4.2 3D-QSAR建模方法12.5 模型验证12.6 QSPR/QSAR的应用12.6.1 QSPR/QSAR在色谱分析中的应用研究12.6.2 QSPR/QSAR在毛细管电泳分析中的应用研究12.6.3 在环境化学中的应用12.6.4 生物制药方面的应用12.6.5 在食品化学中的应用12.6.6 结论与展望参考文献附录1 化学计量学中常见的矩阵基本知识附录2 化学计量学中常见的取值表