了得網自然科學_化學計量學研究方法

	[ 收藏 ] [ 简体中文 ]
臺灣貨到付款、ATM、超商、信用卡PAYPAL付款，4-7個工作日送達，999元臺幣免運費　　　在線留言商品價格為新臺幣

商品搜索

类别：

关键字：

商品分类

　研究生
　 工学
　 公共课
　 经济管理
　 理学
　 农学
　 文法类
　 医学

　音乐
　 音乐理论

　声乐　通俗音乐　音乐欣赏　钢琴　二胡　小提琴

化學計量學研究方法
該商品所屬分類：自然科學 -> 自然科學
【市場價】	422-611元
【優惠價】	264-382元
【作者】	盧小泉、陳晶、周喜斌
【所屬類別】	圖書自然科學化學化學原理和方法
【出版社】	科學出版社
【ISBN】	9787030372710
【折扣說明】	一次購物滿999元台幣免運費+贈品一次購物滿2000元台幣95折+免運費+贈品一次購物滿3000元台幣92折+免運費+贈品一次購物滿4000元台幣88折+免運費+贈品
【本期贈品】	①優質無紡布環保袋，做工棒！②品牌簽字筆 ③品牌手帕紙巾

版本	正版全新電子版PDF檔
您已选择：	正版全新
溫馨提示：如果有多種選項，請先選擇再點擊加入購物車。 . 電子圖書價格是0.69折，例如了得網價格是100元，電子書pdf的價格則是69元。 . 購買電子書不支持貨到付款，購買時選擇atm或者超商、PayPal付款。付款後1-24小時內通過郵件傳輸給您。 *. 如果收到的電子書不滿意，可以聯絡我們退款。謝謝。

內容介紹

開本：16開

紙張：膠版紙

包裝：精裝

是否套裝：否

國際標準書號ISBN：9787030372710

作者：盧小泉、陳晶、周喜斌

出版社：科學出版社

出版時間：2013年04月

內容簡介

作為一門正在發展的新興學科，化學計量學主要應用數學、統計學、計算機科學、化學等學科的理論和方法，研究化學量測理論和方法，設計和選擇*的化學量測方法，並通過對化學數據的解析，*限度地獲取有關物質繫統的化學信息。

全書共分12章，內容包括：數據預處理、線性回歸分析、主成分分析、因子分析、偏小二乘法、小波分析、模式識別、遺傳算法、人工神經網絡、支持向量機及定量構效活性關繫等。

本書可作為化學及相關學科的研究生和高年級本科生的教材和參考書，也可作為化學、化工、工程等領域的科技工作者和高等學校教師的參考書。

前言
第1章誤差及數理統計基礎
1.1 統計學中的幾個基本概念
1.1.1 隨機變量
1.1.2 總體與樣本
1.1.3 統計量
1.2 誤差
1.2.1 誤差的定義和表示
1.2.2 誤差的分類
1.2.3 誤差的傳遞
1.2.4 精密度和準確度
1.3 參數估計
1.3.1 定義
1.3.2 估計量的判別標準前言
第1章誤差及數理統計基礎
1.1 統計學中的幾個基本概念
1.1.1 隨機變量
1.1.2 總體與樣本
1.1.3 統計量
1.2 誤差
1.2.1 誤差的定義和表示
1.2.2 誤差的分類
1.2.3 誤差的傳遞
1.2.4 精密度和準確度
1.3 參數估計
1.3.1 定義
1.3.2 估計量的判別標準
1.4 假設檢驗
1.4.1 假設檢驗的分類和概念
1.4.2 兩種錯誤
1.4.3 假設檢驗的步驟
1.5 隨機誤差的分布及置信區間
1.5.1 正態分布
1.5.2 置信區間
1.5.3 置信區間的其他應用
1.6 顯著性檢驗
1.6.1 顯著性水平
1.6.2 t檢驗
1.6.3 F檢驗
1.7 可疑值的剔除
1.7.1 格魯布斯法
1.7.2 狄克松法
參考文獻
第2章常見的數據預處理和平滑方法
2.1 數據歸一化/標準化和變換方法
2.1.1 數據歸一化/標準化方法
2.1.2 數據的變換方法
2.2 數據降維方法
2.3 異常數據檢測方法和空缺值處理方法
2.3.1 異常數據檢測方法
2.3.2 空缺值處理方法
2.4 噪聲數據處理方法
2.4.1 窗口移動平均法
2.4.2 窗口移動多項式小二乘平滑法
2.4.3 穩健中位數平滑法
2.4.4 傅裡葉變換平滑
2.4.5 小波變換平滑
2.5 其他常見數據預處理的方法
參考文獻
第3章線性回歸分析
3.線性回歸
3.1.1 模型的建立與正態分布假設
3.1.2 參數的小二乘估計
3.1.回歸方程的求法
3.1.4 斜率β₁和截距β₀的區間估計
3.1.5 回歸方程的顯著性檢驗
3.1.6 相關繫數和相關繫數的假設檢驗
3.1.7 方差分配
3.1.8 標準加入法
3.線性回歸
3.2.1 模型建立與正態分布假設
3.2.2 參數的小二乘估計
3.2.線性回歸方程的求法
3.2.回歸方程的方差分析和顯著性檢驗
3.2.5 回歸分析中的復共線性
3.3 小二乘法線性回歸
3.4 逐步回歸
3.4.1 逐步回歸的基本原理
3.4.2 逐步回歸的具體步驟
3.4.3 容許值和容許值水平界限
參考文獻
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 主成分分析的數學模型
4.2.3 主成分的幾何意義
4.3 主成分的性質
4.4 主成分的推導
4.5 主成分分析的相關計算
4.5.1 主成分的方差貢獻率
4.5.2 原始變量被主成分的提取率
4.5.3 主成分載荷的計算
4.5.4 矩陣X^TX特征值的算法
4.5.5 基於主成分分析的體繫組分數確定方法
4.6 主成分分析的步驟
4.6.1 樣本數據標準化
4.6.2 計算相關繫數矩陣
4.6.3 求R的特征值和特征向量
4.6.4 重要主成分的選擇
4.6.5 主成分得分
4.7 主成分回歸
4.8 主成分分析的主要應用
4.8.1 投影顯示法
4.8.2 主成分分析在多指標綜合評價中的應用
4.8.3 主成分分析在繫統評價中的應用
參考文獻
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 因子數的確定
5.2.3 方差正交因子旋轉
5.2.4 因子得分
5.3 雅可比算法
5.4 目標轉換因子分析
5.5 迭代目標轉換因子分析法
5.6 漸進因子分析
5.6.1 基本原理
5.6.2 固定尺寸移動窗口漸進因子分析法
5.7 因子分析在多組分同時測定中的應用
5.8 數據例解
參考文獻
第6章偏小二乘法
6.1 偏小二乘原理
6.2 偏小二乘算法
6.2.1 處理單目標變量問題的偏小二乘算法
6.2.2 處理樣本少變量多問題的偏小二乘算法
6.2.3 偏小二乘的簡單迭代算法
6.2.4 偏小二乘算法中矢量的性質
6.3 偏小二乘法的交叉有效性
6.4 非線性偏小二乘
6.5 應用實例
參考文獻
第7章小波變換分析技術
7.1 小波分析簡介
7.2 小波分析理論
7.2.1 小波的定義
7.2.2 小波的多分辨分析
7.2.3 連續小波變換
7.2.4 離散小波變換及逆變換
7.2.5 小波函數
7.2.6 小波包
7.3 重疊分析信號的小波分析方法
7.4 小波變換的頻率分析方法
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 小波主成分分析的應用
7.6 小波神經網絡及其在化學信號分析中的應用
7.6.1 小波和神經網絡的結合
7.6.2 小波神經網絡在化學中的應用
7.7 二維小波分析
7.7.1 二維小波變換
7.7.2 Matlab中二維小波變換
7.8 小波分析的其他應用
7.8.1 小波分析在分子生物信息學中的應用
7.8.2 樣條小波分析在電分析信號中的應用
7.8.3 Daubechies正交小波在處理分析化學信號中的應用
7.8.4 小波包分析在化學信號分析中的應用
參考文獻
第8章化學模式識別
8.1 概述
8.1.1 幾個概念
8.1.2 模式空間的相似繫數與距離
8.1.3 模式識別中的分類問題
8.1.4 模式識別中方法的分類
8.1.5 計算機模式識別方法
8.1.6 模式識別的計算步驟
8.2 特征抽取方法
8.2.1 特征抽取方法
8.2.2 特征選擇中應注意的問題
8.2.3 化學模式識別中的特征變量
8.3 有監督的模式識別方法:判別分析法
8.3.1 距離判別法
8.3.2 Fisher判別分析法
8.3.3 Bayes判別分析法
8.3.4 線性學習機
8.3.5 K-近鄰法
8.3.6 ALKNN
8.4 無監督的模式識別方法:聚類分析法
8.4.1 聚類分析的基本原理
8.4.2 聚類過程
8.4.3 聚類分析算法分類
8.5 基於特征投影的降維顯示方法
8.5.1 基於主成分分析的投影顯示法
8.5.2 基於主成分分析的SIMCA分類法
8.5.3 基於偏小二乘的降維方法
8.5.4 非線性投影方法
參考文獻
第9章遺傳算法
9.1 遺傳算法簡介
9.2 遺傳算法的特點
9.3 遺傳算法的流程
9.3.1 編碼
9.3.2 初始種群的建立
9.3.3 適應度函數的設計
9.3.4 遺傳操作設計
9.3.5 控制參數的設定
9.4 遺傳操作設計
9.4.1 復制
9.4.2 交換
9.4.3 變異
9.5 遺傳算法的終止條件
9.6 遺傳算法的應用
9.6.1 遺傳算法在變量篩選中的應用
9.6.2 遺傳算法在函數優化上的應用
9.6.3 遺傳算法在組合優化中的應用
9.6.4 遺傳算法在機器學習和人工生命中的應用
9.6.5 遺傳算法在圖像處理和模式識別中的應用
9.6.6 遺傳算法在生產調度問題中的應用
參考文獻
第10章人工神經網絡法及其在化學中的應用
10.1 引言
10.2 模網絡的算法改進
10.2.1 記憶-遺忘曲線及其原理
10.2.2 改進後的人工神經網絡
10.2.3 人工神經網絡的改進之處
10.3 反向傳輸人工神經網絡算法
10.3.1 方法原理
10.3.2 BFGS算法
10.3.3 數據預處理及網絡結點數
10.3.4 測試集的監控和模型的選擇
10.3.5 BP神經網絡結構
10.3.6 精確值計算和模式識別
10.3.7 人工神經網絡的過擬合和過訓練問題
10.4 Kohonen自組織特征映射模型
10.5 Hopfield神經網絡
10.6 人工神經網絡的應用
10.6.1 對多組分的測定
10.6.2 在紡織中應用
10.6.3 藥效預測
10.6.4 在其他方面的應用
參考文獻
第11章支持向量機
11.1 支持向量機概述
11.1.1 VC維理論及推廣性
11.1.2 結構風險小化原理
11.1.3 支持向量機的基本原理
11.1.4 支持向量機的學習算法
11.1.5 支持向量機的優點
11.1.6 支持向量機的一般步驟
11.2 支持向量分類算法
11.2.1 兩類被分類問題
11.2.2 多類別分類方法
11.2.3 間隔分類器
11.2.4 軟間隔優化
11.3 支持向量回歸
11.3.1 支持向量回歸的基本理論
11.3.2 ε不敏感損失回歸
11.3.3 核嶺回歸
11.3.4 高斯過程
11.4 支持向量機的應用
11.4.1 文本分類
11.4.2 信息檢索
11.4.3 圖像識別
11.4.4 在醫學上的應用
11.4.5 手寫數字識別
參考文獻
第12章定量構效活性關繫
12.1 QSPR/QSAR的研究進展
12.1.1 局部QSPR/QSAR模型
12.1.2 反向QSPR/QSAR
12.1.3 高維(High-dimensional)QSAR模型
12.2 分子描述符的計算
12.3 描述符的選擇
12.3.1 遺傳算法(GA)
12.3.2 逐步回歸法
12.3.3 啟發式方法(HM)
12.3.4 主成分分析(PCA)
12.3.5 變量子集回歸法(LBR)
12.3.6 模擬退火算法(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 模型驗證
12.6 QSPR/QSAR的應用
12.6.1 QSPR/QSAR在色譜分析中的應用研究
12.6.2 QSPR/QSAR在毛細管電泳分析中的應用研究
12.6.3 在環境化學中的應用
12.6.4 生物制藥方面的應用
12.6.5 在食品化學中的應用
12.6.6 結論與展望
參考文獻
附錄1 化學計量學中常見的矩陣基本知識
附錄2 化學計量學中常見的取值表

網友評論我們期待著您對此商品發表評論

相關商品

在線留言 商品價格為新臺幣

關於我們送貨時間安全付款會員登入加入會員我的帳戶網站聯盟

返回頂部

商品搜索

商品分类

【醫學】

【各大出版社】