本书是《油气光学系列丛书》之一，以油气资源太赫兹表征与评价过程中的光谱解析为基础，简要介绍太赫兹光谱相关知识及MATLAB软件与编程；并从原理、数学算法和实际应用等方面分别介绍线性回归分析、主成分分析、聚类分析、人工神经网络、支持向量机及二维相关光谱等方法；最后讲述如何针对太赫兹光谱应用过程中的具体特点选择多种方法联用来解决实际问题。
样章试读
目录
- 目录
前言
第1章 概述 1
1.1 太赫兹光谱 1
1.1.1 太赫兹技术简介 1
1.1.2 太赫兹时域光谱（THz-TDS） 3
1.1.3 傅里叶变换红外光谱3～10THz 7
1.1.4 太赫兹光学参数获取 8
1.2 MATLAB编程简介 9
1.2.1 MATLAB简介 9
1.2.2 变量、常量及常用函数 16
1.2.3 数组运算 20
1.2.4 循环结构 28
1.2.5 MATLAB绘图 29
1.2.6 数据的导入与导出 31
1.2.7 M代码的编写和调试 34
1.2.8 MATLAB帮助系统 35
第2章 线性回归分析 38
2.1 方法概述 38
2.1.1 一元线性回归 38
2.1.2 多元线性回归 44
2.2 线性回归的MATLAB分析流程 47
2.2.1 一元线性回归的MATLAB分析 47
2.2.2 多元线性回归分析 51
2.3 一元线性回归分析实例 52
2.4 多元线性回归分析实例 57
第3章 主成分分析 63
3.1 引论 63
3.2 主成分分析原理 64
3.2.1 主成分分析的几何意义 64
3.2.2 主成分分析的代数模型 65
3.2.3 总体的主成分 66
3.2.4 样本的主成分 70
3.3 主成分分析的MATLAB实现 71
3.3.1 主成分分析的MATLAB函数 72
3.3.2 主成分分析的编程 74
3.4 主成分分析应用实例 76
3.4.1 吸附动力学过程研究 76
3.4.2 孔隙形状识别 80
3.4.3 原油油头识别 82
第4章 聚类分析 85
4.1 聚类分析简介 85
4.1.1 聚类分析的概念 85
4.1.2 聚类距离与相似系数 86
4.2 聚类分析方法 88
4.2.1 系统聚类法 88
4.2.2 K均值聚类法 93
4.2.3 模糊C均值聚类法 93
4.3 聚类分析的MATLAB函数 94
4.3.1 系统聚类 94
4.3.2 K均值聚类 101
4.3.3 模糊C均值聚类 103
4.4 聚类分析的MATLAB实现及应用举例 104
4.4.1 聚类分析的MATLAB实现 104
4.4.2 聚类分析的应用实例 105
第5章 人工神经网络 111
5.1 人工神经网络基础 111
5.1.1 人工神经网络的概念 111
5.1.2 人工神经网络的发展史 112
5.1.3 人工神经网络的特点 114
5.1.4 人工神经元模型 114
5.1.5 M-P模型 117
5.1.6 人工神经网络的学习 120
5.2 神经网络MATLAB工具箱函数 123
5.2.1 神经网络通用函数 123
5.2.2 感知器的神经网络函数 129
5.3 误差反向传播神经网络 132
5.3.1 BP网络结构 133
5.3.2 BP网络学习算法 134
5.3.3 BP网络的MATLAB工具箱函数 137
5.3.4 BP网络应用举例 145
5.4 线性神经网络 154
5.4.1 线性神经网络的结构 154
5.4.2 线性神经网络的学习算法 155
5.4.3 线性神经网络的MATLAB工具箱函数 156
5.4.4 线性神经网络的应用举例 159
第6章 支持向量机 162
6.1 引论 162
6.2 支持向量机分类 162
6.2.1 最优超平面 163
6.2.2 非线性支持向量机 166
6.2.3 核函数 168
6.2.4 支持向量机的学习算法 169
6.3 支持向量机回归 169
6.3.1 线性支持向量机回归 169
6.3.2 非线性支持向量机回归 172
6.4 支持向量机的应用实例 173
6.4.1 油品的支持向量机分类 173
6.4.2 PM2.5的支持向量机回归 174
第7章 二维相关光谱 175
7.1 二维相关光谱的提出 175
7.2 二维相关方程 176
7.3 二维相关光谱性质 178
7.3.1 同步光谱性质 178
7.3.2 异步光谱性质 179
7.4 二维相关光谱读谱规则 180
7.4.1 同步光谱读谱规则 180
7.4.2 异步光谱读谱规则 181
7.4.3 二维相关光谱的优势 181
7.5 二维相关光谱应用举例 181
第8章 太赫兹光谱分析方法的联用及实例 185
8.1 成品油及其添加剂检测 185
8.1.1 主成分分析 186
8.1.2 线性回归分析 187
8.1.3 人工神经网络与支持向量机 187
8.1.4 二维相关光谱 189
8.2 煤炭的元素和关键指标分析 192
8.2.1 聚类分析 192
8.2.2 主成分分析 194
8.3 地沟油的鉴别 196
8.3.1 聚类分析鉴别 196
8.3.2 主成分分析鉴别 197
8.3.3 支持向量机 198
参考文献 200
京公网安备 11010102004214号