化學(xué)計(jì)量學(xué)技術(shù)及應(yīng)用

前言
第一章 概論
1.1化學(xué)計(jì)量學(xué)技術(shù)及發(fā)展概況
1.2化學(xué)計(jì)量學(xué)主要研究?jī)?nèi)容和應(yīng)用情況
1.3本書(shū)主要內(nèi)容
第一篇 化學(xué)信號(hào)處理
第二章 信號(hào)處理概述
2.1化學(xué)信號(hào)與信息特征
2.2信號(hào)的符號(hào)表示
2.3信號(hào)與噪聲
2.4信號(hào)分辨
2.5信號(hào)的屬性
2.6測(cè)不準(zhǔn)原理
第三章 信噪比軟件增強(qiáng)技術(shù)
3.1化學(xué)信號(hào)的拾取
3.2數(shù)字信號(hào)處理的預(yù)備知識(shí)
3.3模擬信號(hào)的傅里葉級(jí)數(shù)和傅里葉變換
3.4信號(hào)的采樣與復(fù)原
3.5信號(hào)與噪聲的頻譜分析
3.6傅里葉變換濾波器
3.7一般實(shí)用數(shù)字濾波器
第四章 相關(guān)化學(xué)信號(hào)處理
4.1什么是相關(guān)
4.2自相關(guān)
4.3交叉相關(guān)方法
4.4鎖相方法
4.5卷積和退卷積
4.6相關(guān)化學(xué)測(cè)量
第五章 波譜解譜
5.1復(fù)雜信號(hào)的測(cè)量
5.2信號(hào)組分的分離
第六章 時(shí)-頻分布
6.1引言
6.2整體平均值
6.3局部平均值
6.4時(shí)間和頻率位移不變性
6.5線性尺度變換
6.6弱和強(qiáng)有限支持
第七章 短-時(shí)傅里葉變換和小波變換
7.1引言
7.2短-時(shí)傅里葉變換和頻譜圖
7.3一般特性
7.4整體量
7.5變窄和加寬窗
7.6小波分析介紹
第二篇 多變量分析
第八章 回歸分析
8.1數(shù)理統(tǒng)計(jì)基本知識(shí)
8.2一元線性回歸
8.3多元線性回歸
8.4嶺回歸
8.5逐步回歸
8.6主成分回歸
第九章 模式識(shí)別判別分析
9.1模式識(shí)別基本概念簡(jiǎn)介
9.2多重判別矢量法
9.3 Fisher判別矢量法
9.4主成分分析法(PCA)
9.5非線性映射
第十章 偏最小二乘法
10.1簡(jiǎn)介
10.2偏最小二乘法中噪聲過(guò)濾原理和PRESS判據(jù)
10.3 PLS方法原理
10.4基本算式
10.5用于PLS和PCR的簡(jiǎn)單迭代算法
第十一章 變量擴(kuò)維-篩選方法
11.1變量擴(kuò)維-篩選方法原理
11.2正交遞歸選擇法
11.3遺傳算法
11.4遺傳算法在變量篩選中的應(yīng)用
11.5模擬退火算法與遺傳算法結(jié)合用于變量篩選
第十二章 多變量分析方法在工業(yè)診斷和優(yōu)化中的應(yīng)用
12.1引言
12.2壓力容器鋼生產(chǎn)工藝優(yōu)化研究
12.3高爐煉鐵燒結(jié)礦生產(chǎn)工藝優(yōu)化研究
12.4氧化鋁耐火材料組成和燒結(jié)工藝條件研究
12.5水泥28天強(qiáng)度的預(yù)報(bào)模型
12.6轉(zhuǎn)爐爐齡問(wèn)題研究
第三篇 其他技術(shù)
第十三章 人工神經(jīng)網(wǎng)絡(luò)
13.1方法簡(jiǎn)介
13.2基本原理
13.3網(wǎng)絡(luò)的結(jié)構(gòu)與優(yōu)化
13.4 ANN的各種模型
13.5 ANN的應(yīng)用
13.6應(yīng)用舉例
13.7展望
第十四章 化學(xué)計(jì)量學(xué)方法在電感耦合等離子體原子發(fā)射光譜法干擾校正中的應(yīng)用
14.1光譜干擾的校正技術(shù)簡(jiǎn)介
14.2廣義標(biāo)準(zhǔn)加入法
14.3次因子重疊設(shè)計(jì)分析法
14.4矩陣投影算法
14.5卡爾曼濾波法
14.6 ICP-AES中光譜線及其相互干擾的計(jì)算機(jī)模擬
附錄
附錄A 回歸模型中e-i與ei的關(guān)系
附錄B 矩陣求逆公式