Введение в хемометрику, Умарова Н.Н., 2020

Введение в хемометрику, Умарова Н.Н., 2020.

   Издание включает теоретические основы по наиболее важным методам анализа многомерных данных: методу главных компонент и проекции на латентные структуры, а также практические задания для самостоятельного выполнения.
Предназначено для магистров, обучающихся по направлению подготовки 27.04.01 «Стандартизация и метрология», а также для аспирантов специальности «Аналитическая химия» и специалистов, интересующихся современными методами анализа данных.
Подготовлено на кафедре аналитической химии, сертификации и менеджмента качества.

Введение в хемометрику, Умарова Н.Н., 2020


МАТРИЦЫ МНОГОМЕРНЫХ ДАННЫХ.
Природа многомерна. Почти все технологические и измерительные системы, используемые в науке, характеризуются многомерным набором параметров. Любое частное явление, которое мы хотели бы подробно изучить, обычно зависит от нескольких переменных. Например, погода зависит от таких величин, как ветер, атмосферное давление, температура, точка росы, помимо очевидных сезонных колебаний. Большинство химических измерений по своей природе многомерно. Это означает, что с одного неизвестного образца можно сделать несколько измерений. Очевидным примером является спектроскопия: мы можем записать спектр на сотнях длин волн на одном образце. Многие традиционные химические методы являются одномерными. в них используется только одна длина волны (или измерение) на образец, но при этом пропускается много информации.

Так. например, оцифрованный ПК-спектр может содержать данные, соответствующие 2000 значениям волновых чисел. В хромато-масспектрометрии не составляет труда за один эксперимент получить массив из 600000 чисел, составляющих 2.4 Мб числовой информации. Конечно, можно проигнорировать такой большой объем информации и, например, при обработке спектров ограничиться одной-единственной длиной волны. Однако в настоящее время, когда компьютеры позволяют хранить огромные числовые массивы, а современные методы хемометрики их обрабатывать, такой путь, приводящий к значительной потере информации, крайне нерационален.

ОГЛАВЛЕНИЕ.
ВВЕДЕНИЕ.
1. МАТРИЦЫ МНОГОМЕРНЫХ ДАННЫХ.
2. МНОЖЕСТВЕННЫЙ КОРРЕЛЯЦИОННЫЙ И РЕГРЕССИОННЫЙ АНАЛИЗ.
2.1. Корреляционный анализ.
2.2. Множественная линейная регрессия (МЛР).
3. МЕТОДЫ РАСПОЗНАВАНИЯ ОБРАЗОВ.
3.1. Предварительная обработка данных.
3.2. Кластерный анализ.
3.2.1. Меры расстояния.
3.2.2. Иерархическая кластеризация.
3.2.3. Неиерархическая кластеризация.
4. МЕТОД ГЛАВНЫХ КОМПОНЕНТ (МГК).
4.1. Метод главных компонент на примере «Люди и страны».
4.2. Наглядное представление результатов МГК-анализа.
4.2.1. Графики счетов.
4.2.2. Графики нагрузок.
4.3. МГК: шаг за шагом.
Задания.
5. МНОГОМЕРНАЯ КАЛИБРОВКА.
5.1. Стадии калибровки и предсказания.
5.2. Требования к калибровочному и тестовому наборам.
5.3. Одномерная регрессия и множественная линейная регрессия (МЛР).
5.4. Регрессия на главные компоненты (РГК).
5.5. Проекция на латентные структуры (ПЛС).
5.6. Особенности многомерной калибровки многокомпонентных смесей.
Задания.
ЛИТЕРАТУРА.
ПРИЛОЖЕНИЕ.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Введение в хемометрику, Умарова Н.Н., 2020 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу



Скачать - pdf - Яндекс.Диск.
Дата публикации:





Хештеги: :: :: ::


Следующие учебники и книги:
Предыдущие статьи: