第一章 绪论 1
1-1 化学计量学及其发展概况 1
1-2 化学计量学的主要研究内容 2
1-3 化学计量学与现代分析化学 5
习题 8
第二章 分析采样理论 9
2-1 分析的目的与总体类型 9
2-2 固体物质的采样 11
2-3 分步采样 14
2-4 动态过程中的采样 18
2-5 质量检验中的采样 27
习题 31
第三章 化学试验设计与优化 32
3-1 试验设计基础 32
3-2 简单比较法 35
3-3 正交试验设计 37
3-4 单纯形优化 45
3-5 调优操作 60
习题 63
第四章 化学信号的检测 65
4-1 分析信号的检出 66
4-2 信噪比与检出限 69
4-3 噪声的类型和性质 72
4-4 信号平均与平滑 74
4-5 卡尔曼滤波 86
4-6 多重性光谱技术 98
习题 114
第五章 复杂化学信号的分辨 116
5-1 因子分析基本原理 117
5-2 因子分析计算方法及应用举例 128
5-3 目标检测因子分析用于复合信号分辨 149
5-4 信号微分 179
5-5 复合信号的去卷积 184
5-6 曲线拟合 191
习题 195
第六章 化学量测的校正方法 203
6-1 与标准比较 204
6-2 单变量校正--单组分测定的线性校正模型 205
6-3 基于多元线性回归的多变量校正方法 218
6-4 非线性校正 255
6-5 基于因子分析的多变量校正方法 260
习题 287
第七章 化学模式识别 290
7-1 模式识别及其基本概念 291
7-2 特征选择 296
7-3 原始数据的预处理 300
7-4 决策与分类方法 315
7-5 Fisher判别分析 322
7-6 聚类分析 340
7-7 非线性映照 359
7-8 k-最近邻法 366
7-9 模式识别在化学中的应用 367
习题 372
第八章 化学研究中的数字模拟--Monte Carlo法 375
8-1 概述 375
8-2 伪随机数的产生 380
8-3 随机变量或随机向量的抽样 384
8-4 MC法的若干应用 386
习题 395
第九章 人工神经网络法在化学中的应用 396
9-1 概述 396
9-2 人工神经网络的工作原理 398
9-3 人工神经网络在化学中的应用 403
9-4 人工神经网络的局限性及改进方法 410
思考题 411
主要参考文献 412