• 化学计量学
21年品牌 40万+商家 超1.5亿件商品

化学计量学

大中专理科数理化 新华书店全新正版书籍

41.01 7.1折 58 全新

库存15件

江苏无锡
认证卖家担保交易快速发货售后保障

作者甘峰

出版社科学出版社

出版时间2023-09

版次31

装帧其他

货号1203030047

上书时间2024-07-13

新华文轩网络书店

十四年老店
已实名 已认证 进店 收藏店铺

   商品详情   

品相描述:全新
新华文轩网络书店 全新正版书籍
商品描述
本书包含化学计量学的核心内容,详细阐述各种方法的原理。同时,《化学计量学》提供了相应的Octave代码,便于读者在学习过程中将各种方法所涉及的算法与其实际应用相结合。本书的主要内容有:化学信号类型及数学模型,向量信号的滤噪和基线扣除,化学因子分析,多维*线分辨,多元校正,机器学习简介。本书可作为高等学校化学专业的研究生教材,也可供从事联用色谱分析、近红外光谱定量分析等领域的分析工作者参考。
图书标准信息
  • 作者 甘峰
  • 出版社 科学出版社
  • 出版时间 2023-09
  • 版次 31
  • ISBN 9787030762276
  • 定价 58.00元
  • 装帧 其他
  • 开本 16开
  • 纸张 胶版纸
  • 页数 156页
  • 字数 227.000千字
【内容简介】
本书包含化学计量学的核心内容,详细阐述各种方法的原理。同时,本书提供了相应的Octave代码,便于读者在学习过程中将各种方法所涉及的算法与其实际应用相结合。本书的主要内容有:化学信号类型及数学模型,向量信号的滤噪和基线扣除,化学因子分析,多维曲线分辨,多元校正,机器学习简介。
【目录】


前言

绪论 1

章 化学信号类型及数学模型 3 

1.1 标量信号及其数学模型 3 

1.2 向量信号及其数学模型 5 

1.3 矩阵信号及其数学模型 7 

1.4 张量信号及其数学模型 11 

1.5 表面吸附型传感器的信号模型 13

第2章 向量信号的滤噪和基线扣除 16 

2.1 累加均法滤噪 16 

2.2 savitzky-golay滤噪 17 

2.3 快速傅里叶变换滤噪 20 

2.4 whittaker滑器滤噪 22 

2.5 whittaker滑器扣除基线 25

第3章 化学因子分析 29 

3.1 主成分分析 29 

3.1.1 数据预处理 30 

3.1.2 主成分的构造 30 

3.1.3 矩阵的主成分分解方法 32 

3.1.4 主成分数的确定 36 

3.1.5 主成分投影图 38 

3.2 演进因子分析 39 

3.2.1 演进因子分析 39 

3.2.2 固定尺寸移动窗演进因子分析法 45

第4章 多维曲线分辨 49 

4.1 自模式曲线分辨 49 

4.1.1 基本设 49 

4.1.2 分辨算法 50 

4.2 直观推导式演进特征投影法 57 

4.2.1 二维联用谱体系的特点 57 

4.2.2 选择区域和零浓度区域的确定 59 

4.2.3 help分辨算法 60 

4.2.4 应用举例 65 

4.3 迭代关键集选择法 66 

4.3.1 组分数的自动确定 66 

4.3.2 自动分辨算法 71 

4.3.3 skss的简化方案 75 

4.4 基于方程的系统.79 

4.4.1 模型 80 

4.4.2 修改的共轭梯度算法81 

4.4.3 相关变量 82 

4.4.4 重要参数的计算 82 

4.4.5 eos方法的一般策略 84 

4.5 行因子分析 88 

4.5.1 模型 88 

4.5.2 解的 89 

4.5.3 分辨算法 90 

4.5.4 数据预处理 94 

4.5.5 因子数的估计 94 

4.6 交替三线分解 94 

4.6.1 三维循环对称 94 

4.6.2 自加权目标函数 96 

4.6.3 swatld算法 96

第5章 多元校正 100 

5.1 多元线回归 100 

5.1.1 模型 100 

5.1.2 建立回归方程 101 

5.1.3 回归系数的设检验 103 

5.1.4 预测 108 

5.2 逐步回归分析 109 

5.2.1  109 

5.2.2 应用举例 109 

5.3 主成分回归 111 

5.4 偏小二乘法 113 

5.4.1 模型 113 

5.4.2 pls的主成分分解算法 114 

5.4.3预测 119 

5.4.4交互检验 122

第6章 机器学简介 125 

6.1 人工神经网络的建立 125 

6.2 感知机 127 

6.3 多层感知机和神经网络 128 

6.4 神经网络的前向传播 129 

6.5 激励函数 130 

6.6 神经网络的反向传播 132 

6.7 应用举例 136

参文献 144

点击展开 点击收起

—  没有更多了  —

以下为对购买帮助不大的评价

新华文轩网络书店 全新正版书籍
此功能需要访问孔网APP才能使用
暂时不用
打开孔网APP