前言
第1章 概述
1.1 太赫茲光譜
1.1.1 太赫茲技術簡介
1.1.2 太赫茲時域光譜（THz-TDS）
1.1.3 傅裡葉變換紅外光譜3～10THz
1.1.4 太赫茲光學參數獲取
1.2 MATLAB編程簡介
1.2.1 MATLAB簡介
1.2.2 變量、常量及常用函數
1.2.3 數組運算
1.2.4 循環結構
1.2.5 MATLAB繪圖
1.2.6 數據的導入與導出
1.2.7 M代碼的編寫和調試
1.2.8 MATLAB幫助繫統
第2章 線性回歸分析
2.1 方法概述
2.1.1 一元線性回歸
2.1.2 多元線性回歸
2.2 線性回歸的MATLAB分析流程
2.2.1 一元線性回歸的分析
2.2.2 多元線性回歸分析
2.3 一元線性回歸分析實例
2.4 多元線性回歸分析實例
第3章 主成分分析
3.1 引論
3.2 主成分分析原理
3.2.1 主成分分析的幾何意義
3.2.2 主成分分析的代數模型
3.2.3 總體的主成分
3.2.4 樣本的主成分
3.3 主成分分析的MATLAB實現
3.3.1 主成分分析的MATLAB函數
3.3.2 主成分分析的編程
3.4 主成分分析應用實例
3.4.1 吸附動力學過程研究
3.4.2 孔隙形狀識別
3.4.3 原油油頭識別
第4章 聚類分析
4.1 聚類分析簡介
4.1.1 聚類分析的概念
4.1.2 聚類距離與相似繫數
4.2 聚類分析方法
4.2.1 繫統聚類法
4.2.2 K均值聚類法
4.2.3 模糊C均值聚類法
4.3 聚類分析的MATLAB函數
4.3.1 繫統聚類
4.3.2 K均值聚類
4.3.3 模糊C均值聚類
4.4 聚類分析的MATLAB實現及應用舉例
4.4.1 聚類分析的MATLAB實現
4.4.2 聚類分析的應用實例
第5章 人工神經網絡
5.1 人工神經網絡基礎
5.1.1 人工神經網絡的概念
5.1.2 人工神經網絡的發展史
5.1.3 人工神經網絡的特點
5.1.4 人工神經元模型
5.1.5 M-P模型
5.1.6 人工神經網絡的學習
5.2 神經網絡MATLAB工具箱函數
5.2.1 神經網絡通用函數
5.2.2 感知器的神經網絡函數
5.3 誤差反向傳播神經網絡
5.3.1 BP網絡結構
5.3.2 BP網絡學習算法
5.3.3 BP網絡的MATLAB工具箱函數
5.3.4 BP網絡應用舉例
5.4 線性神經網絡
5.4.1 線性神經網絡的結構
5.4.2 線性神經網絡的學習算法
5.4.3 線性神經網絡的MATLAB工具箱函數
5.4.4 線性神經網絡的應用舉例
第6章 支持向量機
6.1 引論
6.2 支持向量機分類
6.2.1 *優超平面
6.2.2 非線性支持向量機
6.2.3 核函數
6.2.4 支持向量機的學習算法
6.3 支持向量機回歸
6.3.1 線性支持向量機回歸
6.3.2 非線性支持向量機回歸
6.4 支持向量機的應用實例
6.4.1 油品的支持向量機分類
6.4.2 PM2.5 的支持向量機回歸
第7章 二維相關光譜
7.1 二維相關光譜的提出
7.2 二維相關方程
7.3 二維相關光譜性質
7.3.1 同步光譜性質
7.3.2 異步光譜性質
7.4 二維相關光譜讀譜規則
7.4.1 同步光譜讀譜規則
7.4.2 異步光譜讀譜規則
7.4.3 二維相關光譜的優勢
7.5 二維相關光譜應用舉例
第8章 太赫茲光譜分析方法的聯用及實例
8.1 成品油及其添加劑檢測
8.1.1 主成分分析
8.1.2 線性回歸分析
8.1.3 人工神經網絡與支持向量機
8.1.4 二維相關光譜
8.2 煤炭的元素和關鍵指標分析
8.2.1 聚類分析
8.2.2 主成分分析
8.3 地溝油的鋻別
8.3.1 聚類分析鋻別
8.3.2 主成分分析鋻別
8.3.3 支持向量機
參考文獻