基本信息
醫藥分析信息學及分析數據處理技術ISBN:750258896
出版社:化學工業
定價:45
頁數:284
出版日期:2006-9-1
版次: 1
開本:16開
簡介
醫藥分析信息學是一門新近引起分析化學界和生物醫藥界高度重視並得到迅速發展的邊緣學科，是當今生物科技和信息科技的研究前沿；而分析儀器數據處理技術則是運用信息科學和計算科學等多
學科交叉綜合手段解決複雜物質體系辨析問題的高新技術方法，已廣泛套用於生物、醫藥、地質、環保、食品、農業、化學等眾多領域，取得了令人矚目的成果。 全書共分10章，分別對分析數據處理技術的基礎知識、現代儀器分析信號的處理、化學與生物模式信息處理、化學指紋圖譜計算處理、分析信息智慧型管理、生物晶片分析信息處理、組學分析信息處理等進行了詳細介紹，並對該技術在生物醫藥領域中的套用研究現；吠及進展做了全面介紹。
本書可供廣大生物醫藥和分析科學工作者以及相關套用領域的科技人員閱讀，也可作為相關專業研究生教學參考用書。
目錄
第1章緒論1
1?1分析科學發展前沿若干問題1
1?2涉及的若干概念、界定及術語定義2
1?3分析信息獲取問題3
1?4生物醫藥分析技術發展趨勢5
1?5藥物信息學與生物醫藥分析5
1?6複雜物質體系辨析與醫藥分析信息學7第2章分析數據處理技術基礎知識10
2?1化學計量學與化學信息學10
2?1?1化學計量學10
2?1?2化學信息學10
2?2多元統計分析技術11
2?2?1基本概念12
2?2?2常用的多元統計分析方法13
2?3機器學習技術15
2?3?1機器學習的定義16
2?3?2機器學習的類型16
2?3?3機器學習的套用領域17
2?3?4幾種常見的機器學習方法17
2?4模式信息處理技術18
2?4?1基本概念19
2?4?2模式識別基本方法20
2?5知識工程技術24
2?5?1知識工程定義25
2?5?2知識表示方法25
2?5?3知識搜尋26
2?5?4知識推理機制27
2?5?5專家系統28
2?6人工神經元計算技術33
2?6?1神經網路的定義33
2?6?2基本概念與原理33
2?6?3神經網路的套用35
2?6?4幾種常見的神經網路模型35
2?7資料庫與數據挖掘技術37
2?7?1資料庫技術概述37
2?7?2資料庫的基本概念38
2?7?3數據倉庫和數據挖掘技術38
2?8小波分析技術44
2?8?1基本概念44
2?8?2小波分析的基本原理45
2?8?3信號小波級數的展開及其變換算法的實現48
2?9數據可視化技術49
2?9?1數據可視化概念49
2?9?2數據可視化過程50
2?9?3數據可視化方法51
2?9?4數據可視化套用51
2?9?5展望52
2?10化學信息集成處理技術53
參考文獻53第3章現代儀器分析信號處理55
3?1分析信號處理技術概述55
3?2分析儀器的信號與噪聲特性56
3?3數字濾噪方法分類59
3?4濾噪效果評價方法59
3?4?1整體濾噪效果評價指標60
3?4?2局部濾噪效果評價指標60
3?5頻帶濾噪法61
3?5?1多點歸併平滑法61
3?5?2加權平均平滑法61
3?5?3SG數字濾波器62
3?5?4可調型低通濾波器64
3?5?5幾種常用頻帶濾噪法的性能比較66
3?6最佳濾波器68
3?6?1匹配濾波器69
3?6?2維納濾波器和卡爾曼濾波器69
3?7基於小波變換法的濾噪技術69
3?7?1小波基自適應濾噪技術70
3?7?2基於小波包基分解與重構的濾噪技術75
3?8自適應濾波器76
3?8?1最小均方自適應濾波器77
3?8?2神經網路濾波器78
3?9新型濾噪方法研究實例79
3?9?1基於分形理論的自適應中位值濾噪方法研究實例79
3?9?2基於光譜信息計算解析的液相色譜濾噪方法研究實例81
3?10小波信號壓縮84
參考文獻85第4章分析譜圖的譜峰辨識方法86
4?1譜峰辨識技術概要86
4?2譜峰檢測方法87
4?2?1幅值檢峰法87
4?2?2一階導數檢峰法87
4?2?3二階導數檢峰法88
4?2?4分形維檢峰法89
4?3譜峰識別方法90
4?3?1基線漂移法91
4?3?2譜峰間距測定法91
4?3?3峰高比綜合判別法92
4?4仿人智慧型辨識譜峰方法92
4?5譜峰自適應辨識方法93第5章多元校正與複雜分析數據解析95
5?1多元校正與複雜分析數據解析概述95
5?2多元校正97
5?2?1直接校正97
5?2?2間接校正100
5?2?3非線性多元校正107
5?3近紅外光譜數據的多元校正114
5?3?1近紅外光譜預處理方法115
5?3?2波段選擇116
5?3?3多元校正建模方法116
5?4複雜分析數據解析125
5?4?1多元分辨126
5?4?2套用實例129
參考文獻136第6章化學與生物模式信息處理137
6?1數據預處理方法137
6?2常用的模式特徵提取方法138
6?2?1主成分分析法139
6?2?2偏最小二乘法141
6?2?3核主成分分析法142
6?3複雜化學與生物模式的分步特徵提取法143
6?3?1複雜化學與生物模式特徵的分步提取方法原理143
6?3?2特徵矢量的分類能力評價指標145
6?3?3複雜化學與生物模式特徵的分步提取方法套用實例146
6?4最優分類特徵提取方法148
6?4?1最優分類特徵提取方法原理148
6?4?2最優分類特徵提取方法套用實例150
6?5聚類分析法151
6?5?1相似性測度152
6?5?2系統聚類法153
6?5?3動態聚類法155
6?6判別函式法155
6?6?1判別函式156
6?6?2參數學習157
6?6?3多分類問題159
6?7近鄰法160
6?7?1最近鄰法160
6?7?2k近鄰法161
6?8神經網路模式分類法162
6?8?1神經網路基本原理162
6?8?2感知器164
6?8?3誤差反傳神經網路164
6?8?4RBF網路167
6?9支持向量機168
6?9?1支持向量機基本原理168
6?9?2多類支持向量機170
6?9?3支持向量機套用實例171
6?10模糊模式識別方法174
6?10?1模糊數學的基本知識175
6?10?2模糊模式識別的一般過程175
6?10?3模糊聚類方法177
6?10?4模糊神經網路178
6?10?5套用實例180
參考文獻181第7章化學指紋圖譜計算處理182
7?1化學指紋圖譜計算處理方法簡介182
7?1?1指紋圖譜相似性計算原理183
7?1?2模式分類計算原理184
7?2化學指紋圖譜測量參數的選擇184
7?3化學指紋圖譜配準方法188
7?4化學指紋圖譜相似性測度的比較192
7?5化學指紋圖譜模式分類計算方法195
7?5?1基於小波基分形參量的化學指紋圖譜計算方法196
7?5?2基於Fisher因子的化學指紋圖譜模式分類方法199
7?5?3化學指紋圖譜類別相似性計算方法202
參考文獻205第8章分析信息智慧型管理206
8?1實驗室信息管理系統206
8?1?1LIMS的定義和範疇207
8?1?2LIMS的發展過程207
8?1?3LIMS的工作流程209
8?1?4LIMS的功能209
8?1?5LIMS的實施過程212
8?1?6LIMS的標準和認證體系214
8?2電子實驗記錄本214
8?2?1電子實驗記錄本的概念214
8?2?2電子實驗記錄本的功能215
8?3中藥分析信息智慧型管理216
8?3?1中藥化學信息資料庫217
8?3?2中藥化合物資料庫218
8?4中藥指紋圖譜資料庫管理系統218
8?4?1系統功能218
8?4?2套用實例222
8?5數字中藥信息系統223
8?5?1數字中藥信息系統結構223
8?5?2數字中藥信息系統功能224
8?6中藥分析信息的數據挖掘226
8?6?1基於因果關係發現的中藥有效組分辨識方法227
8?6?2中藥材關鍵藥效成分辨識方法研究實例228
8?6?3中藥複方關鍵藥效成分辨識方法研究實例232
8?6?4中藥複方有效組分配伍最佳化方法研究實例234
參考文獻235第9章生物晶片分析信息處理237
9?1生物晶片概述237
9?2生物晶片分析過程238
9?3晶片數據獲取239
9?3?1晶片圖像處理239
9?3?2歸一化方法240
9?3?3晶片數據形式242
9?4晶片數據分析242
9?4?1差異分析242
9?4?2分類分析243
9?4?3聚類分析244
9?4?4網路分析250
9?4?5可視化方法252
9?5晶片分析信息處理髮展趨勢255
9?5?1數據質量評價與歸一化255
9?5?2差異分析255
9?5?3測度選擇255
9?5?4基因相互關係發現255
9?5?5聚類結果驗證255
參考文獻256第10章組學分析信息處理257
10?1組學及組學分析信息處理技術概述257
10?2蛋白質組分析信息處理259
10?2?1蛋白質組分析信息處理簡述259
10?2?2基於形態特徵的雙向電泳圖像處理方法261
10?3代謝組分析信息處理267
10?3?1代謝組信息處理技術簡述267
10?3?2腎陽虛模型大鼠代謝模式分析268
10?3?3乳腺癌代謝物組模式特徵發現270
10?3?4肺癌患者尿液代謝組分析274
10?4展望276
10?4?1組學分析信息處理的套用前景276
10?4?2組學分析信息學277
參考文獻278附錄279
1線性空間預備知識279
1?1基本概念及定義279
1?2矩陣代數279
1?3矩陣和向量的微積分280
2點盒分形維282
2?1分形的定義282
2?2分形維數定義283
2?3點盒維數定義283
