第一章 绪论 1
1-1 化学计量学的研究对象与发展概况 1
1-2 化学计量学——化学量测的基础理论与方法学 3
1-3 本书各章内容简介 6
参考文献 11
第二章 分析信息理论 12
2-1 化学量测的“不确定度”与熵 12
2-2 分析量测的信息量 16
2-3 分析仪器的供信能力 20
2-4 分析信息量的其他量度 22
参考文献 24
第三章 分析采样理论 26
3-1 概述 26
3-2 固体物质采样 27
3-3 分层采样与二步采样 30
3-4 从动态过程物质流采样 35
3-5 生产过程连续监控中的采样 36
3-6 质量检验中的采样 42
参考文献 48
第四章 分析检测理论 50
4-1 分析信号的检出 51
4-2 分析信号的检测特性函数 54
4-3 分析方法的检测限 56
参考文献 58
第五章 校正理论Ⅰ 化学量测体系的基础校正方法 59
5-1 化学量测中的校正作为系统参量估计问题 59
5-2 单一组分测定的线性校正模式 61
5-3 多元线性回归(MLR)基本校正方法 67
5-4 通用标准加入法 69
5-5 非线性校正 71
参考文献 75
6-1 多元线性校正模式的进一步考察 77
第六章 校正理论Ⅱ 基于因子分析的多元校正方法 77
6-2 分析信号阵的特征值及特征矢量：NIPALS算法 80
6-3 分析试样中组分数的确定 84
6-4 交互校验法 88
6-5 分析体系中存在的组分的鉴别：目标转换因子分析 90
6-6 主成分回归法(PCR) 93
6-7 偏最小二乘法(PLS) 95
6-8 结语：“软”“硬”校正模式 97
参考文献 98
第七章 分析信号处理 100
7-1 分析信号的滤波 100
7-2 分析信号的平滑与求导 105
7-3 光谱分析的多重性效益与Hadamard变换 110
7-4 实现光谱多重性效益的Fourier编码 113
7-5 FFT及其在光谱与电化学量测中的应用 120
7-6 卷积运算用于分析信号解析 129
参考文献 134
第八章 化学模式识别Ⅰ 借化学量测辨识物质的隐含性质 136
8-1 化学模式空间 136
8-2 模式空间的距离与相似性量度 141
8-3 线性学习机 142
8-4 K-最近邻法 146
8-5 原始化学量测数据的预处理 149
8-6 参量选择 151
8-7 降维与显示技术 155
8-8 无监督的分类：聚类分析用于化学量测数据解析 158
8-9 化学模式识别的应用 163
参考文献 166
第九章 化学摸式识别Ⅱ 定量构效关系研究 169
9-1 构效关系研究中的全局“硬”模式与局部“软”模式 169
9-2 化学模式识别与QSAR的4个水平 172
9-3 SIMCA法Ⅰ 水平2的化学模式识别与QSAR 175
9-4 SIMCA法Ⅱ 水平3、4的化学模式识别与QSAR 181
9-5 QSAR中表征化合物结构的参量 184
9-6 分子连接性指数 188
参考文献 196
第十章 人工智能与化学专家系统 198
10-1 人工智能用于化学计量学研究 198
10-2 人工智能的基本要素 200
10-3 化学专家系统 209
10-4 人工神经元网络与自适应化学模式识别 218
参考文献 225
第十一章 化学试验设计与优化 227
11-1 化学量测与试验中的设计与优化问题 227
11-2 析因试验 230
11-3 正交试验设计 233
11-4 单纯形优化法 238
参考文献 243
第十二章 化学反应及化学量测误差的数字模拟 244
12-1 模拟用于化学反应机理及量测误差的研究 244
12-2 随机变量及随机数的模拟与产生方法 245
12-3 化学量测误差传递的Monte Carlo模拟 249
12-4 化学反应动力学的Monte Carlo模拟 251
12-5 电化学过程的数字模拟 257
参考文献 264
CONTENTS(英文目录) 266