第二十三章：化学信息分析技术

第一节：实验设计与优化

实验设计与优化是研究如何最有效地选择实验点，并通过实验点所得到的结果，采用信息分析获取最佳实验结果的实验点条件

分为系统实验设计和序贯实验设计

单纯形法

基本思路：某个体系有n个待优化因素，则设计一个n维空间中的n+1个顶点作为单纯形，每个顶点做标即一种实验条件，通过在单纯形的各个顶点条件下进行实验，所得实验响应函数值进行比较，淘汰其中函数值最差的实验点，并认为最差点的反对点方向是改进实验结果的方向，在该方向新增一个实验点，作为下一步实验条件参考，通过反射变换使单纯形不多移动到响应较好的区域，脂质按照预定的精确度充分接近最优点。

（看书上的双因素实验）

遗传算法

遗传算法GA基本原理

遗传算法基本过程

1. 产生初始群体
2. 评价适应度的计算
3. 遗传操作：选择、交叉、变异

第二节：数据预处理方法

在采用化学计量首夺进行多元校正或多元分辨等之前，必须先对数据进行预处理

平滑

1. 窗口移动平均法：窗口太小，效果不佳；太大失真；丢失边界信息，误差大
2. 窗口移动多项式最小二乘拟合平滑法：在窗口移动运算中引入多项式最小二乘拟合

求导

1. 直接差分法：
2. 多项式最小二乘拟合求导法：

不等性方差噪声扣除

不等性方差噪声即大小随分析信号而变化，在各个测量点上方差不同的测量噪声

1. 针对二维色谱数据中那些处于色谱峰的光谱进行降幅处理
2. 采用平滑方法消除不等性方差：粗糙度惩罚法

色谱峰偏移校正

色谱的内标峰校正法

1. 一点校正法
2. 两点校正法
3. 多点校正法

一点法对非线性推移校正结果较差，两点法可以部分校正非线性推移

色谱峰的外标线性回归法

组分在同一色谱仪的不同色谱柱氧的保留时间为简单的线性关系

同一根色谱柱在不同液相色谱仪上的保留时间也呈线性关系

一维色谱的外标线性回归法可以校正同一型号色谱柱间的差别

代谢组学数据的预处理

归一化法

数据转换

提高数据集正态分布性，矫正奇异值

非线性转换

校正不等性噪声

数据标准化

1. 中心化：均值中心化
2. 标度化：自标度化

第三节：模式识别

模式识别基本概念

模式识别是将研究对象按内在规律分类的一门学科，其所研究对象包括图像，信号波形及其他任何形式需要分类的测量值

分为有监督学习系统（贝叶斯决策）和无监督学习系统（聚类分析法）

贝叶斯决策

统计决策理论：

与经典统计学的差别：

贝叶斯决策的要求（已知条件）

贝叶斯公式：

分为：基于最小错误率的贝叶斯决策、基于最小风险的贝叶斯决策、Neyman-Pearson决策、极大极小决策

1. 基于最小错误率的贝叶斯决策
2. 基于最小风险的贝叶斯决策

聚类分析法

聚类的统计量

基本思想：

1. 距离
   1. 明氏距离：若m=2变成欧式距离
   2. 马氏距离：
2. 相似系数：
   1. 夹角余弦
   2. 相关系数：实际上是适量数据中心化后的夹角余弦

聚类分析的分类

1. 系统聚类法
2. 动态聚类法
   1. C-均值算法