信息处理与数据挖掘技术(编辑修改稿)

信息处理与数据挖掘技术(编辑修改稿)内容摘要：

作曲线拟合。 方法： （ 1）根据实际获得的曲线找出与此曲线适应的数学模型； （ 2）以实验得到的数据对 (Xi， Yi)，代入数学模型 (关系式 )，用最小二乘法求出模型中的待定参数。 关键点： 选择正确的数学模型 例：非正态色谱曲线，可采用 r函数与指数衰减曲线相结合的数学模型。 08:13:09 2. 曲线的平滑处理 曲线平滑处理可以去除数据集合中的随机噪声，保留有用信息，提高信噪比。 小波动：随机噪声 大波动：包含有用信息 方法： boxcar平均化； 移动窗口均化； 最小二乘多项式平滑（ SavitzkyGolay卷积法），最常用的方法。 注意点： 不正确的进行平滑处理可能会将微弱信号当作噪声处理掉。 08:13:09 3. 信号求导 消除背景和重叠峰的干扰，提高分辨率和灵敏度。 方法： 模拟微分电路或求导程序软件。 微分谱比原谱对谱特征的细微变化反应要灵敏的多，被隐藏的谱的特征可以通过对原谱图的微分而得到加强。 应用： （ 1）光谱图、色谱图：重叠峰、弱肩峰的区分； （ 2）电位滴定曲线的导数曲线容易确定滴定钟点。 注意点： 微分时，原谱的噪声也被加强，高阶导数谱的噪声增大的更明显，解决方法：对原谱进行平滑处理。 08:13:09 五、 多元分析方法 polybasis analysis methods 如何在大批实验数据中总结出有用的规律或者挖掘出有用的信息； 多元分析是一类计算机信息处理、信息挖掘技术，特别适合用于从多种因素影响的大量实验数据中总结规律； 多元分析应用领域：处理卫星照片；指纹鉴别；文字和语音识别；多参数、多变量问题的处理； 分析化学中的应用： （ 1） 多种微量元素的分布与健康（或疾病）的关系 （ 2） 物质中复杂成分的含量分析 （ 3） 各种谱的特征与性质关系 （ 4） 分子结构与谱特征的关系 08:13:09 1. 多元分析方法的特点 在多元分析中，对每个研究对象（每个观察样本都有 M个变量或参数）取值，考察 N个观察对象的集合就作成一张N*M的数据表。 观察对象的集合可以是全部样本，也可是较大集合中的一个子集； 变量可以是连续的也可以是离散的； 在多元分析中，通常采用以下技术： （ 1） 简化结构 用简单方法来表示所研究的复杂问题； （ 2） 分类 将观察对象分成若干个不同的组或类； （ 3） 变量分组 将变量按其性质分组； （ 4） 相关分析 研究变量之间的相互关系、观察对象之间的相互关系。 08:13:09 2. 多元分析中的主要方法简介 多元分析中所采用的方法： （ 1）回归分析： 多元线形回归分析；偏最小二乘回归分析；逐步回归分析。 （ 2）相关分析 （ 3）因子分析 （ 4）降维与映射 （ 5）聚类分析 （ 6）分类与判别 （ 7）人工神经网络 （ 8）优化技术 08:13:09 3. 化学因子分析法简介 因子分析 ： 通过对一数据矩阵进行特征分析、旋转变换等操作以获取有关信息的数学方法。 化学因子分析 ： 将因子分析技术用于解决化学中的问题，形成了带有浓厚化学特色的因子分析方法。 化学因子分析特点： （ 1）解决复杂问题 同时处理多因素相互影响的复杂体系 （ 2）快速处理大量数据 采用标准因子分析程序 （ 3）数据的有序解释与预测 在获得规律指导下进行预测 08:13:09 因子分析基本步骤 08:13:09 常见的因子分析方法 (1)主成分分析（ principle ponent analysis） (2)目标因子分析（ target factor analysis） (3)迭代目标因子分析 (iterative target factor analysis ) (4)秩消因子分析 (rank annihilation factor analysis ) (5)渐进因子分析 (evolving factor analysis ) (6)窗口因子分析 (window factor analysis ) (7)启发 渐进式特征投影 (heuristic evolving latent projection ) 08:13:09 内容选择： 第一节 计算机与仪器分析 puter and ins。