从原始光谱到特征提取全流程实战
📚 共计 30 章节
01
光谱学基础
电磁波谱概述 · 分子振动与转动光谱 · 光谱仪工作原理
原理
入门
02
光谱数据采集
实验设计原则 · 样品制备技巧 · 光谱采集参数设置
实验
实操
03
光谱数据格式
常见光谱文件格式 (.spa .csv .txt) · 导入导出 · 元数据管理
文件
I/O
04
光谱预处理-去噪
移动平均平滑 · Savitzky-Golay滤波 · 小波去噪
去噪
平滑
05
光谱预处理-基线校正
线性基线 · 多项式基线 · 不对称最小二乘 (ALS)
基线
校正
06
光谱预处理-归一化
面积归一化 · 向量归一化 · 最大最小值 · SNV变换
归一化
SNV
07
光谱预处理-导数光谱
一阶导数 · 二阶导数 · Norris-Gap · 优缺点
导数
分辨率
08
光谱预处理-散射校正
MSC · EMSC · SNV与MSC对比
散射
MSC
09
光谱预处理-特征波段选择
手动选择 · 基于方差 · 基于相关系数
波段
选择
10
光谱预处理-数据增强
加噪 · 平移 · 缩放 · 混合样本生成
增强
扩增
11
主成分分析 (PCA) 原理
协方差矩阵 · 特征值/特征向量 · 主成分物理意义
PCA
降维
12
PCA实战
数据标准化 · PCA降维 · 方差解释率图 · 载荷图
实战
可视化
13
偏最小二乘回归 (PLSR) 原理
与PCA区别 · 潜变量提取 · 交叉验证
PLSR
回归
14
PLSR实战
定量模型 · R²/RMSE · VIP分数
建模
评估
15
支持向量机 (SVM) 原理
最大间隔 · 核函数 (线性/RBF/多项式) · 软间隔
SVM
分类
16
SVM实战
参数调优 (C, gamma) · 网格搜索 · 分类/回归
调参
网格搜索
17
随机森林 (RF) 原理
Bagging集成 · 决策树 · 特征重要性
RF
集成
18
RF实战
超参数调优 · OOB误差 · 特征选择
调优
OOB
19
卷积神经网络 (CNN) 基础
卷积层 · 池化层 · 全连接层 · 1D CNN
CNN
深度学习
20
CNN实战
构建1D CNN · 训练/验证 · Dropout/早停
实战
过拟合
21
特征提取-峰值检测
寻峰算法 · 半峰宽 (FWHM) · 峰面积积分
峰值
FWHM
22
特征提取-光谱解混
线性混合模型 · NMF · 多元曲线分辨 (MCR)
解混
NMF
23
特征提取-连续小波变换 (CWT)
小波基选择 · 尺度图 · 特征提取应用
CWT
时频
24
特征提取-二维相关光谱 (2DCOS)
同步/异步谱 · 扰动变量 · 特征解析
2DCOS
相关
25
特征降维- t-SNE
原理简介 · 与PCA对比 · 可视化应用
t-SNE
可视化
26
特征降维- UMAP
原理简介 · 参数设置 · 大规模降维
UMAP
降维
27
模型评估与验证
训练/测试集划分 · K折交叉验证 · 留一法 · 混淆矩阵
评估
交叉验证
28
模型优化-超参数调优
网格搜索 · 随机搜索 · 贝叶斯优化 · 遗传算法
调优
搜索
29
模型解释性
SHAP值 · LIME局部解释 · 特征重要性可视化
可解释
SHAP
30
全流程实战案例
从原始光谱到分类/回归模型部署 · 完整代码与结果分析
综合
部署