监控摄像头镜头可视角度表 镜头焦距搭配1/3" CCD搭配1/4" CCD二者的角度差异 2.8 mm89.9°75.6°14.3° 3.6 mm75.7°62.2°13.5° 4 mm69.9°57.0°12.9° 6 mm50.0°39.8°10.2° 8 mm38.5°30.4°8.1° 12 mm26.2°20.5° 5.7° 16 mm19.8°15.4° 4.4° 25 mm10.6°8.3° 2.3° 60 mm 5.3° 4.1° 1.2° 监控摄像头镜头可视距离表 镜头焦 距(毫米数) 距离5米 (宽×高) 距离10米 (宽×高) 距离15米 (宽×高) 距离20米 (宽×高) 距离30米 (宽×高) 2.8mm13×9.8米26×19.5米39×29.3米52×39米78×58.5米 3.6mm8.5×6.4米17×12.8米25.5×19米34×25.5米51×38.3米4mm8×6米16×12米24×18米32×24米48×36米
6mm 5.5×4.1米11×8.3米16.5×12.4米22×16.5米33×24.8米8mm 3.5×2.6米7×5.3米10.5×7.9米14×10.5米21×15.8米12mm2×1.5米4×3米6×4.5米8×6米12×9米16mm 1.5×1.1米3×2.3米 4.5×3.4米6×4.5米9×6.8米25mm 1.3×1米 2.5×1.9米 3.8×2.9米5×3.8米7.5×5.6米60mm0.5×0.4米1×0.75米 1.5×1.1米2×1.5米3×2.3米
摄像机选型、安装需要考虑的几个问题 摄像机选型、安装通常有八点需要考虑，具体如下（1）应根据监控目标的的照度选着不同灵敏度的摄像机。监控目标的最低环 境照度应高于摄像机最低照度的10倍。 监视目标的照度要求与摄像机的灵敏度密切相关，通常闭路 电视监控系统是由被监视视场所监视时刻的自然光，一般画 面的典型照度见表1-1 表1-1 一般画面的典型照度 各种天气下的自然光照度值照度估计值（lx） 直射阳光100000—130000 晴天（非阳光直射）10000—20000 阴天1000 工作场所内（白天）200—400 非常阴暗的白天100 黄昏（拂晓）10 入夜1 满月0.1 弦月0.01 没有月亮的晴朗夜空0.001 没有月亮的多云夜空0.0001 监视目标的最低环境照度应高于摄像机最低照度的10倍以上，
1.欧氏距离(Euclidean Distance) 欧氏距离是最易于理解的一种距离计算方法，源自欧氏空间中两点间的距离公式。(1)二维平面上两点a(x1,y1)与b(x2,y2)间的欧氏距离： (2)三维空间两点a(x1,y1,z1)与b(x2,y2,z2)间的欧氏距离： (3)两个n维向量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的欧氏距离： 也可以用表示成向量运算的形式： 2.曼哈顿距离(Manhattan Distance) 从名字就可以猜出这种距离的计算方法了。想象你在曼哈顿要从一个十字路口开车到另外一个十字路口，驾驶距离是两点间的直线距离吗？显然不是，除非你能穿越大楼。实际驾驶距离就是这个“曼哈顿距离”。而这也是曼哈顿距离名称的来源，曼哈顿距离也称为城市街区距离(City Block distance)。 (1)二维平面两点a(x1,y1)与b(x2,y2)间的曼哈顿距离 (2)两个n维向量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的曼哈顿距离 5.标准化欧氏距离(Standardized Euclidean distance ) (1)标准欧氏距离的定义
标准化欧氏距离是针对简单欧氏距离的缺点而作的一种改进方案。标准欧氏距离的思路：既然数据各维分量的分布不一样，好吧！那我先将各个分量都“标准化”到均值、方差相等吧。均值和方差标准化到多少呢？这里先复习点统计学知识吧，假设样本集X的均值(mean)为m，标准差(standard deviation)为s，那么X的“标准化变量”表示为：而且标准化变量的数学期望为0，方差为1。因此样本集的标准化过程(standardization)用公式描述就是： 标准化后的值= (标准化前的值－分量的均值) /分量的标准差 经过简单的推导就可以得到两个n维向量a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的标准化欧氏距离的公式： 如果将方差的倒数看成是一个权重，这个公式可以看成是一种加权欧氏距离(Weighted Euclidean distance)。 7.夹角余弦(Cosine) 有没有搞错，又不是学几何，怎么扯到夹角余弦了？各位看官稍安勿躁。几何中夹角余弦可用来衡量两个向量方向的差异，机器学习中借用这一概念来衡量样本向量之间的差异。 (1)在二维空间中向量A(x1,y1)与向量B(x2,y2)的夹角余弦公式： (2)两个n维样本点a(x11,x12,…,x1n)和b(x21,x22,…,x2n)的夹角余弦 类似的，对于两个n维样本点a(x11,x12,…,x1n)和b(x21,x22,…,x2n)，可以使用类似于夹角余弦的概念来衡量它们间的相似程度。 即：
第3章 紫外-可见分光光度法 一、内容提要 1、电子跃迁类型 σ→σ*跃迁、π→π*跃迁、n →π*跃迁、n →σ*跃迁、电荷迁移跃迁、配位场跃迁。 2、常用术语 1）最大吸收波长：曲线上的峰(吸收峰)所对应的波长，以m ax λ表示。 2）最小吸收波长：曲线上的谷(吸收谷)所对应的波长，以m in λ表示。 3）肩峰：在吸收峰旁边存在一个曲折，对应的波长以sh λ表示。 4）末端吸收：在200nm 附近，吸收曲线呈现强吸收却不成峰形的部分。 5）生色团：分子中可以吸收光子而产生电子跃迁的原子基团。有机化合物的生色团主要是含有π→π*或n →π*跃迁的基团（＞C ＝C ＜、＞C ＝O 、＞C ＝S 、—N ＝N —、—N ＝O 等）。 6）助色团：含有非键电子的杂原子饱和基团（如—OH 、—SH 、—OR 、—SR 、—NH 2、—Cl 、—Br 、—I 等），它们本身不能吸收波长大于200nm 的光，但当它们与生色团相连时，能使该生色团的吸收峰向长波长方向移动，并使吸收强度增强。 7）红移和蓝移：化合物常因结构的变化（发生共轭作用、引入助色团等）或溶剂的改变而导致吸收峰的最大吸收波长m ax λ发生移动。m ax λ向长波长方向移动称为红移；m ax λ向短波长方向移动称为蓝移。 8）增色效应和减色效应：因化合物的结构改变或其他原因而导致吸收强度增强的现象称为增色效应，有时也称为浓色效应；反之，导致吸收强度减弱的现象称为减色效应，有时也称为淡色效应。 9）吸收带：不同类型的电子跃迁在紫外-可见光谱中呈现的不同特征的吸收峰。 10）强带和弱带：摩尔吸收系数大于104的吸收带为强带；摩尔吸收系数小于102的吸收带为弱带。 3、吸收带 1）R 带：跃迁类型为n →π*，波长范围为250～500nm ，吸收强度ε<102。溶剂极性增大时蓝移。R 带是杂原子的不饱和基团（＞C ＝O 、－NO 、－NO 2、－N ＝N －等）的特征。 2）K 带：跃迁类型为π→π*（共轭），波长范围为210～250nm ，吸收强度ε>104。共轭双键延长时红移，且吸收强度增大。溶剂极性增大时红移。 3）B 带：跃迁类型为苯环的骨架伸缩振动与苯环内的π→π*跃迁，波长范围为230～270nm ，吸收强度ε≈200。蒸气状态下可呈现精细结构。B 带是芳香族（包括杂芳香族）化
第六章 判别分析 §6.1 什么是判别分析 判别分析是判别样品所属类型的一种统计方法，其应用之广可与回归分析媲美。 在生产、科研和日常生活中经常需要根据观测到的数据资料，对所研究的对象进行分类。例如在经济学中，根据人均国民收入、人均工农业产值、人均消费水平等多种指标来判定一个国家的经济发展程度所属类型；在市场预测中，根据以往调查所得的种种指标，判别下季度产品是畅销、平常或滞销；在地质勘探中，根据岩石标本的多种特性来判别地层的地质年代，由采样分析出的多种成份来判别此地是有矿或无矿，是铜矿或铁矿等；在油田开发中，根据钻井的电测或化验数据，判别是否遇到油层、水层、干层或油水混合层；在农林害虫预报中，根据以往的虫情、多种气象因子来判别一个月后的虫情是大发生、中发生或正常； 在体育运动中，判别某游泳运动员的“苗子”是适合练蛙泳、仰泳、还是自由泳等；在医疗诊断中，根据某人多种体验指标（如体温、血压、白血球等）来判别此人是有病还是无病。总之，在实际问题中需要判别的问题几乎到处可见。 判别分析与聚类分析不同。判别分析是在已知研究对象分成若干类型（或组别）并已取得各种类型的一批已知样品的观测数据，在此基础上根据某些准则建立判别式，然后对未知类型的样品进行判别分类。对于聚类分析来说，一批给定样品要划分的类型事先并不知道，正需要通过聚类分析来给以确定类型的。 正因为如此，判别分析和聚类分析往往联合起来使用，例如判别分析是要求先知道各类总体情况才能判断新样品的归类，当总体分类不清楚时，可先用聚类分析对原来的一批样品进行分类，然后再用判别分析建立判别式以对新样品进行判别。 判别分析内容很丰富，方法很多。判别分析按判别的组数来区分，有两组判别分析和多组判别分析；按区分不同总体的所用的数学模型来分，有线性判别和非线性判别；按判别时所处理的变量方法不同，有逐步判别和序贯判别等。判别分析可以从不同角度提出的问题，因此有不同的判别准则，如马氏距离最小准则、Fisher 准则、平均损失最小准则、最小平方准则、最大似然准则、最大概率准则等等，按判别准则的不同又提出多种判别方法。本章仅介绍四种常用的判别方法即距离判别法、Fisher 判别法、Bayes 判别法和逐步判别法。 §6.2 距离判别法 基本思想：首先根据已知分类的数据，分别计算各类的重心即分组（类）的均值，判别准则是对任给的一次观测，若它与第i 类的重心距离最近，就认为它来自第i 类。 距离判别法，对各类（或总体）的分布，并无特定的要求。 1 两个总体的距离判别法 设有两个总体（或称两类）G 1、G 2，从第一个总体中抽取n 1个样品，从第二个总体中抽取n 2个样品，每个样品测量p 个指标如下页表。 今任取一个样品，实测指标值为),,(1'=p x x X ，问X 应判归为哪一类？ 首先计算X 到G 1、G 2总体的距离，分别记为),(1G X D 和),(2G X D ，按距离最近准则
空间插值算法： 1、距离倒数乘方法（Inverse Distance to a Power）距离倒数乘方格网化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。计算一个格网结点时给予一个特定数据点的权值与指定方次的从结点到观测点的该结点被赋予距离倒数成比例。当计算一个格网结点时，配给的权重是一个分数，所有权重的总和等于1.0。当一个观测点与一个格网结点重合时，该观测点被给予一个实际为 1.0 的权重，所有其它观测点被给予一个几乎为0.0 的权重。换言之，该结点被赋给与观测点一致的值。这就是一个准确插值。距离倒数法的特征之一是要在格网区域内产生围绕观测点位置的"牛眼"。用距离倒数格网化时可以指定一个圆滑参数。大于零的圆滑参数保证，对于一个特定的结点，没有哪个观测点被赋予全部的权值，即使观测点与该结点重合也是如此。圆滑参数通过修匀已被插值的格网来降低"牛眼"影响。 2、克里金法（Kriging）克里金法是一种在许多领域都很有用的地质统计格网化方法。克里金法试图那样表示隐含在你的数据中的趋势，例如，高点会是沿一个脊连接，而不是被牛眼形等值线所孤立。克里金法中包含了几个因子：变化图模型，漂移类型和矿块效应。 3、最小曲率法（Minimum Curvature）最小曲率法广泛用于地球科学。用最小曲率法生成的插值面类似于一个通过各个数据值的，具有最小弯曲量的长条形薄弹性片。最小曲率法，试图在尽可能严格地尊重数据的同时，生成尽可能圆滑的曲面。使用最小曲率法时要涉及到两个参数：最大残差参数和最大循环次数参数来控制最小曲率的收敛标准。 4、多元回归法（Polynomial Regression）多元回归被用来确定你的数据的大规模的趋势和图案。你可以用几个选项来确定你需要的趋势面类型。多元回
专用的镜头角度计算方法 镜头焦距的计算 1公式计算法：视场和焦距的计算视场系指被摄取物体的大小，视场的大小是以镜头至被摄取物体距离，镜头焦头及所要求的成像大小确定的。 1、镜头的焦距，视场大小及镜头到被摄取物体的距离的计算如下； f=wL/W 2、f=hL/h f；镜头焦距 w：图象的宽度（被摄物体在ccd靶面上成象宽度） W：被摄物体宽度 L：被摄物体至镜头的距离 h：图象高度（被摄物体在ccd靶面上成像高度）视场（摄取场景）高度 H：被摄物体的高度 ccd靶面规格尺寸：单位mm 规格 W H 1/3" 1/2" 2/3" 1" 由于摄像机画面宽度和高度与电视接收机画面宽度和高度一样，其比例均为4:3,当L不变，H或W增大时，f变小，当H或W不变，L增大时，f增大。 2视场角的计算如果知道了水平或垂直视场角便可按公式计算出现场宽度和高度。水平视场角β（水平观看的角度）β=2tg-1= 垂直视场角q（垂直观看的角度） q=2tg-1= 式中w、H、f同上水平视场角与垂直视场角的关系如下： q=或=q 表2中列出了不同尺寸摄像层和不同焦距f时的水平视场角b的值，如果知道了水平或垂直场角便可按下式计算出视场角便可按下式计算出视场高度H和视场宽度W. H=2Ltg、W=2Ltg 例如；摄像机的摄像管为17mm(2/3in),镜头焦距f为12mm，从表2中查得水平视场角为40℃而镜头与被摄取物体的距离为2m，试求视场的宽度w。W=2Ltg=2×2tg= 则H=W=×= 焦距f越和长，视场角越小，监视的目标也就小。 图解法如前所示，摄像机镜头的视场由宽（W）。高（H）和与摄像机的距离（L）决定，一旦决定了摄像机要监视的景物，正确地选择镜头的焦距就由来3个因素决定； *.欲监视景物的尺寸 *.摄像机与景物的距离 *.摄像机成像器的尺士：1/3"、1/2"、2/3"或1"。图解选择镜头步骤：所需的视场与镜头的焦距有一个简单的关系。利用这个关系可选择适当的镜头。估计或实测视场的最大宽度；估计或实测量摄像机与被摄景物间的距离；使用1/3”镜头时使用图2，使用1/2镜头时使用图3，使用2/3”镜头时使用图4，使用1镜头时使用图5。具体方法：在以W和L为座标轴的图示2-5中，查出应选用的镜头焦距。为确保景物完全包含在视场之中，应选用座标交点上，面那条线指示的数值。例如：视场宽50m,距离40m,使用 1/3"格式的镜头，在座标图中的交点比代表4mm镜头的线偏上一点。这表明如果使用4mm镜头就不能覆盖50m的视场。而用的镜头则可以完全覆盖视场。 f=vD/V 或 f=hD/H 其中，f代表焦距，v代表CCD靶面垂直高度，V代表被观测物体高度，h代表CCD靶面水平宽度，H代表被观测物体宽度。 举例：假设用1/2”CCD摄像头观测，被测物体宽440毫米，高330毫米，镜头焦点距物体2500毫米。由公式可以算出： 焦距f=440≈36毫米或 焦距f=330≈36毫米
有机波谱分析参考题库及答案 第二章:紫外吸收光谱法一、选择 81. 频率(MHz)为4.47×10的辐射，其波长数值为 (1)670.7nm (2)670.7μ (3)670.7cm (4)670.7m 2. 紫外-可见光谱的产生是由外层价电子能级跃迁所致，其能级差的大小决定了 (1)吸收峰的强度 (2)吸收峰的数目 (3)吸收峰的位置 (4)吸收峰的形状 3. 紫外光谱是带状光谱的原因是由于 (1)紫外光能量大 (2)波长短 (3)电子能级差大 (4)电子能级跃迁的同时伴随有振动及转动能级跃迁的原因 4. 化合物中，下面哪一种跃迁所需的能量最高 **** (1)ζ?ζ (2)π?π (3)n?ζ (4)n?π *5. π?π跃迁的吸收峰在下列哪种溶剂中测量，其最大吸收波长最大 (1)水 (2)甲醇 (3)乙醇 (4)正己烷 6. 下列化合物中，在近紫外区(200,400nm)无吸收的是 (1) (2) (3) (4) 7. 下列化合物，紫外吸收λ值最大的是 max (1) (2) (3) (4) 二、解答及解析题 1. 吸收光谱是怎样产生的,吸收带波长与吸收强度主要由什么因素决定, 2. 紫外吸收光谱有哪些基本特征, 3. 为什么紫外吸收光谱是带状光谱, 4. 紫外吸收光谱能提供哪些分子结构信息,紫外光谱在结构分析中有什么用途又有何局限性,
, 5. 分子的价电子跃迁有哪些类型,哪几种类型的跃迁能在紫外吸收光谱中反映出来? 6. 影响紫外光谱吸收带的主要因素有哪些, 7.有机化合物的紫外吸收带有几种类型,它们与分子结构有什么关系, 8. 溶剂对紫外吸收光谱有什么影响,选择溶剂时应考虑哪些因素, 9. 什么是发色基团,什么是助色基团,它们具有什么样结构或特征, **10.为什么助色基团取代基能使烯双键的n?π跃迁波长红移,而使羰基n?π跃迁波长蓝移, *11. 为什么共轭双键分子中双键数目愈多其π?π跃迁吸收带波长愈长,请解释其因。 12. 芳环化合物都有B吸收带，但当化合物处于气态或在极性溶剂、非极性溶剂中时，B吸收带的形状有明显的差别，解释其原因。 13. pH对某些化合物的吸收带有一定的影响，例如苯胺在酸性介质中它的K吸收带和B吸收带发生蓝移，而苯酚在碱性介质中其K吸收带和B吸收带发生红移,为什么,羟酸在碱性介质中它的吸收带和形状会发生什么变化, 14. 某些有机化合物，如稠环化合物大多数都呈棕色或棕黄色，许多天然有机化合物也具有颜色，为什么, 15. 六元杂环化合物与芳环化合物具有相似的紫外吸收光谱,请举几个例子比较之，并解释其原因。 16. 紫外光谱定量分析方法主要有哪几种,各有什么特点, 17. 摩尔吸光系数有什么物理意义,其值的大小与哪些因素有关,试举出有机化合物各种吸收带的摩尔吸光系数的数值范围。 18. 如果化合物在紫外光区有K吸收带、B吸收带和R吸收带，能否用同一浓度的溶液测量此三种吸收带, 19. 紫外分光光度计主要由哪几部分所组成,它是怎样工作的,
例：人文与发展指数是联合国开发计划署于1990年5月发表的第一份《人类发展报告》中公布的。该报告建议，目前对人文发展的衡量指标应当以人生的三大要素为重点。衡量人生的三大要素的指标分别为：实际人均GDP指数、出生时的预期寿命指数、受教育程度指数（由成人识字率指数和综合总人学率指数按2/3、1/3的权重加权而得），将一生三个指数合成为一个指数就是人文发展指数。今从2007年世界各国人文发展指数（2005年）的排序中，选取高发展水平、中等发展水平和低发展水平国家各6个作为三组样品，另选四个国家作为待判样品，资料如下表所示。试用判别分析过程对以下数据资料进行判别分析，并据此对待选的四个国家进行判别归类。
data develop; input type gdp life rate zhrate@@; cards; 1 41890 77.9 99.5 93.3 1 29461 79.1 99. 2 88 1 23381 78.9 96 99 1 29663 79.4 92.5 87.3 1 28529 80.3 98.4 90.6 1 22029 77.9 99 96 2 6000 77.7 99.8 87.6 2 9060 71.9 97. 3 76.8 2 8402 71.7 88.6 87.5 2 8677 69.6 92.6 71.2 2 5137 71 92.6 81.1 2 8407 71.4 87.4 68.7 3 1550 62.6 48.6 58.1 3 1128 46.5 69.1 56.2 3 2299 49.8 67.9 62.3 3 2370 64.6 49.9 40 3 3071 73.7 90.3 63.9 3 3843 69.7 90. 4 68.2 . 31267 82.3 99 85.9 . 3452 63.7 61 63.8 . 6757 72.5 90.9 69.1 . 11110 50.8 82.4 77 ; proc discrim simple wcov distance list;/*simple:要求技术各类样品的简单描述统计量；选项WCOV要求计算类内协方差阵；选项DISTANCE要求计算马氏距离；选项LIST要求输出重复替换归类结果。由于没有给出方法选项，所以系统按缺省时的正态分布进行有关参数的估计和归类。*/ class type; var gdp life rate zhrate; run; proc discrim pool=test slpool=0.05list; /*simple: */ class type; priors'1'=0.3'2'=0.4'3'=0.3 ; run; proc discrim method=npar k=2list; /*simple: */ class type; run; proc candisc out=result ncan=2; /*simple: */
多个总体距离判别法 及其应用 课程名： 年级： 专业： 姓名： 学号：
目录 一、摘要 (1) 二、引言 (1) 三、原理 (1) 3.1定义 (1) 3.2思想 (1) 3.3判别分析过程 (1) 四、具体应用 (3) 4.1判别分析在医学上的应用 (3) 4.2距离判别法在居民生活水平方面的应用 (9) 4.3判别分析软件的使用 (12) 五、参考文献 (14) 六、附录 (15)
一、 摘要 近年来随着信息化社会的进行，数据分析对我们来说日趋重要，为了对数据的分类进行判别，本文介绍了数据分类判别的一种方法：距离判别法。本文从多个总体距离判别法理论出发并结合例题详细介绍了多个总体距离判别法的在医学领域以及居民生活水平方面的应用，同时也简单介绍了spss 软件一般判别法的具体操作。 关键词： 距离判别法 判别分析 一般判别分析 二、 引言 随着科技的发展，判别分析在经济，医学等很多领域以及气候分类，农业区划，土地类型划分等有着重要的应用， 本文从多个总体距离判别分析理论出发，介绍了多个总体距离判别法在医学以及人民生活方面的应用，并介绍了spss 一般判别分析的应用。 三、 原理 3.1 定义 距离判别法：距离判别分析方法是判别样品所属类别的一应用性很强的多因素决方法，其中包括两个样本总体距离判别法，多个样本距离判别法。 多个总体距离判别法：多个总体距离判别法是距离判别法的一种，是两个总体距离判别法的推广，具有多个总体，将待测样本归为多个样本中的一类。 3.2 思想 计算待测样本与各总体之间的距离，将待测样本归为与其距离最进的一类。 3.3 判别分析过程 对于k 个总体k 21G G G ?， ，，假设其均值分别为：k 21u u u ，，，?，协方差阵
Show Inverse Distance Weighted Interpolation One of the most commonly used techniques for interpolation of scatter points is inverse distance weighted (IDW) interpolation. Inverse distance weighted methods are based on the assumption that the interpolating surface should be influenced most by the nearby points and less by the more distant points. The interpolating surface is a weighted average of the scatter points and the weight assigned to each scatter point diminishes as the distance from the interpolation point to the scatter point increases. Several options are available for inverse distance weighted interpolation. The options are selected using the Inverse Distance Weighted Interpolation Options dialog. This dialog is accessed through the Options button next to the Inverse distance weighted item in the 2D Interpolation Options dialog. SMS uses Shepard's Method for IDW: Shepard's Method The simplest form of inverse distance weighted interpolation is sometimes called "Shepard's method" (Shepard 1968). The equation used is as follows: where n is the number of scatter points in the set, fi are the prescribed function values at the scatter points (e.g. the data set values), and wi are the weight functions assigned to each scatter point. The classical form of the weight function is: where p is an arbitrary positive real number called the power parameter (typically, p=2) and hi is the distance from the scatter point to the interpolation point or where (x,y) are the coordinates of the interpolation point and (xi,yi) are the coordinates of each scatter point. The weight function varies from a value of unity at the scatter point to a value approaching zero as the distance from the scatter point increases. The weight functions are normalized so that the weights sum to unity.
最大最小距离算法实例 10个模式样本点{x1(0 0), x2(3 8), x3(2 2), x4(1 1), x5(5 3), x6(4 8), x7(6 3), x8(5 4), x9(6 4), x10(7 5)} 第一步：选任意一个模式样本作为第一个聚类中心，如z1 = x1； 第二步：选距离z1最远的样本作为第二个聚类中心。 经计算，|| x6 - z1 ||最大，所以z2 = x6； 第三步：逐个计算各模式样本{x i, i = 1,2,…,N}与{z1, z2}之间的距离，即 D i1 = || x i - z1 || D i2 = || x i – z2 || 并选出其中的最小距离min(D i1, D i2)，i = 1,2,…,N 第四步：在所有模式样本的最小值中选出最大距
离，若该最大值达到||z1 - z2 ||的一定比例以 上，则相应的样本点取为第三个聚类中心 z3，即：若max{min(D i1, D i2), i = 1,2,…,N} > θ||z1 - z2 ||，则z3 = x i 否则，若找不到适合要求的样本作为新的 聚类中心，则找聚类中心的过程结束。 这里，θ可用试探法取一固定分数，如1/2。 在此例中，当i=7时，符合上述条件，故 z3 = x7 第五步：若有z3存在，则计算max{min(D i1, D i2, D i3), i = 1,2,…,N}。若该值超过||z1 - z2 ||的一定 比例，则存在z4，否则找聚类中心的过程 结束。 在此例中，无z4满足条件。 第六步：将模式样本{x i, i = 1,2,…,N}按最近距离分到最近的聚类中心： z1 = x1：{x1, x3, x4}为第一类 z2 = x6：{x2, x6}为第二类 z3 = x7：{x5, x7, x8, x9, x10}为第三类最后，还可在每一类中计算各样本的均值，得到更具代表性的聚类中心。
浙江大学远程教育学院 《波谱分析概论》课程作业 姓名： 学 号： 年级： 2014秋药学 学习中心： 衢州学习中心 ————————————————————————————— 第一章 紫外光谱 一、简答 1．丙酮的羰基有几种类型的价电子。试绘出其能级图，并说明能产生何种电子跃迁？各种 跃迁可在何区域波长处产生吸收？ 答：有n 电子和π电子。能够发生n →π*跃迁。从n 轨道向π反键轨道跃迁。能产生R 带。 跃迁波长在250—500nm 之内。 2．指出下述各对化合物中，哪一个化合物能吸收波长较长的光线（只考虑π→π*跃迁）。 (2)(1)及 NHR 3CH CH OCH 3 CH 及CH 3CH CH 2 答：（1）的后者能发生n →π*跃迁，吸收较长。 （2）后者的氮原子能与苯环发生P →π共轭，所以或者吸收较长。 3．与化合物（A ）的电子光谱相比，解释化合物（B ）与（C ）的电子光谱发生变化的原因 （在乙醇中）。 (C)(B)(A)入max ＝420 εmax ＝18600入max ＝438 εmax ＝22000入max ＝475 εmax ＝320003N N N NO HC 32(CH )2N N N NO H C 32(CH )2 232(CH )(CH )23N N N NO
答：B 、C 发生了明显的蓝移，主要原因是空间位阻效应。 二、分析比较 1．指出下列两个化合物在近紫外区中的区别： CH CH 32 (A)(B) 答：（A ）和（B ）中各有两个双键。（A ）的两个双键中间隔了一个单键，这两个双键 就能发生π→π共轭。而（B ）这两个双键中隔了两个单键，则不能产生共轭。所以 （A ）的紫外波长比较长，（B ）则比较短。 2．某酮类化合物，当溶于极性溶剂中（如乙醇中）时，溶剂对n →π*跃迁及π→π* 跃迁有何影响？用能级图表示。 答：对n →π*跃迁来讲，随着溶剂极性的增大，它的最大吸收波长会发生紫移。而π→π *跃迁中，成键轨道下，π反键轨道跃迁，随着溶剂极性的增大，它会发生红移。 三、试回答下列各问题 某酮类化合物λ hexane max ＝305nm ，其λEtOH max =307nm,试问，该吸收是由n→π*跃迁还是π→π*跃迁引 起的？ 答：乙醇比正己烷的极性要强的多，随着溶剂极性的增大，最大吸收波长从305nm 变动到 307nm ，随着溶剂极性增大，它发生了红移。化合物当中应当是π→π反键轨道的跃迁。 第二章 红外光谱 一、回答下列问题： 1. C —H ，C —Cl 键的伸缩振动峰何者要相对强一些?为什么? 答：由于CL 原子比H 原子极性要大，C —CL 键的偶极矩变化比较大， 因此C —CL 键的吸收峰比较强。 2. νC═O 与νC═C 都在6.0μm 区域附近。试问峰强有何区别?意义何在? 答：C=C 双键电负性是相同的，C=O 双键，O 的双键电负性比C 要强。在振动过程中， 肯定是羰基的偶极矩的变化比较大，所以羰基的吸收峰要比C=C 双键的强的多。
判别分析实例汇总
例：人文与发展指数是联合国开发计划署于1990年5月发表的第一份《人类发展报告》中公布的。该报告建议，目前对人文发展的衡量指标应当以人生的三大要素为重点。衡量人生的三大要素的指标分别为：实际人均GDP指数、出生时的预期寿命指数、受教育程度指数（由成人识字率指数和综合总人学率指数按2/3、1/3的权重加权而得），将一生三个指数合成为一个指数就是人文发展指数。今从2007年世界各国人文发展指数（2005年）的排序中，选取高发展水平、中等发展水平和低发展水平国家各6个作为三组样品，另选四个国家作为待判样品，资料如下表所示。试用判别分析过程对以下数据资料进行判别分析，并据此对待选的四个国家进行判别归类。
data develop; input type gdp life rate zhrate@@; cards; 1 41890 77.9 99.5 93.3 1 29461 79.1 99. 2 88 1 23381 78.9 96 99 1 29663 79.4 92.5 87.3 1 28529 80.3 98.4 90.6 1 22029 77.9 99 96 2 6000 77.7 99.8 87.6 2 9060 71.9 97. 3 76.8 2 8402 71.7 88.6 87.5 2 8677 69.6 92.6 71.2 2 5137 71 92.6 81.1 2 8407 71.4 87.4 68.7 3 1550 62.6 48.6 58.1 3 1128 46.5 69.1 56.2
3 2299 49.8 67.9 62.3 3 2370 64.6 49.9 40 3 3071 73.7 90.3 63.9 3 3843 69.7 90. 4 68.2 . 31267 82.3 99 85.9 . 3452 63.7 61 63.8 . 6757 72.5 90.9 69.1 . 11110 50.8 82.4 77 ; proc discrim simple wcov distance list;/*simple:要求技术各类样品的简单描述统计量；选项WCOV要求计算类内协方差阵；选项DISTANCE要求计算马氏距离；选项LIST要求输出重复替换归类结果。由于没有给出方法选项，所以系统按缺省时的正态分布进行有关参数的估计和归类。*/ class type; var gdp life rate zhrate; run; proc discrim pool=test slpool=0.05list; /*simple: */ class type; priors'1'=0.3'2'=0.4'3'=0.3 ; run; proc discrim method=npar k=2list; /*simple: */ class type; run; proc candisc out=result ncan=2; /*simple: */ class type; var gdp life rate zhrate; run; proc gplot data=reult; plot can1*can2=type; run; proc discrim data=result distance list; class type; var can1 can2; run; 表1 已知样本分类水平信息
基于GIS的气温插值方法比较研究 --以陕西省为例 摘要：随着空间气温信息需求的日益增加，气温的空间插值已被广泛应用而不同的插值方法因不同的地区和研究目的产生不同的效果。采用西安19个国家基本站点1983年的年平均气温数据，应用地信软件ArcGIS中的地统计学模块进行空间降水插值实验，分别采用反距离权重法、样条函数插值法和克里格方法探讨了陕西年均气温的空间分布，分析发现：三种插值方法在不同区域上各有优缺点，在本文研究年均气温分布中，克里格插值法要优于其它方法。 关键词: 空间插值; 年均气温; 地统计学; 陕西 1引言 作为生态、资源环境等相关学科基础数据源，气候信息在区域和全球尺度生态系统变化的模拟、生态系统管理、自然资源区划和管理中发挥着重要作用[1-4]。然而由于气象站点定位观测获取的只是局部有限的空间点数据，要想得到区域尺度的有关参数，只能利用以点代面或者空间内插和外推方法得到气象要素的空间分布数据[5-8]。 目前用于资料空间插值的方法有多种，主要有克里格(Kriging)插值法、反距离加权法(InverseDistanceWeight，IDW)、样条法(Splines)和综合插值法等。研究区域和时间尺度的不同决定插值方法选用的不同，即使是同一种插值方法，用于不同的研究区域，所取得的结果也不同，不同的方法插值结果差别也很大[9-11]。气象要素的空间分布受诸多要素影响，由于气象观测站点稀少而且分布不均，在很多地形复杂的地区，可用的气象数据非常有限，因此如何充分利用有限的气候资源，根据气候要素的空间分异规律，推测无观测点和少观测点区域的气候要素值，一直是相关学科研究的热点。
摘要：颜色恒常性算法通常使用距离测量是基于数学方法进行评价，如角误差。然而，并不知道这些距离与人类视觉距离是否相关。因此，本文的主要目的是分析的几个性能指标和质量之间的相关性，通过心理物理实验，用不同的颜色恒常性算法获得输出图像。随后处理的问题是性能指标的分布，表明在一个大的图像中可以提供更多附加的和替代的信息，而且得到了改进的感性意义，即人类观察者之前存在的差异得到了明显的改善。?2009美国光学学会 颜色恒常性是视觉系统的能力，无论是人或机器，尽管光源颜色发生了巨大变化也可以保持稳定的物体颜色。颜色恒常性是颜色和计算机视觉的一个主题部分。为了解决颜色恒常性的问题，通常的方法是通过估计从视觉场景中的光源，然后恢复这些反射光源。 许多的颜色恒常性的方法已经被提出，例如，[ 1，4 ]–。为基准，颜色恒常性算法的精度是通过计算在相同数据的距离度量集如[ 5,6 ]评价。事实上，这些距离的措施计算到什么程度原光源向量近似估计。两种常用的距离度量是欧氏距离和角度误差，后者可能是更广泛的应用。然而，这些距离的措施本身是基于数学原理和归一化RGB颜色空间计算，它是未知的是否与人类视觉距离措施。此外，其他的距离度量可以基于人眼视觉原理的定义。 因此，在本文中，一种颜色恒常性算法分类法不同距离的措施第一，
从数学基础的距离知觉和颜色恒常性的特定距离。然后，设置距离这些措施的颜色恒常知觉的比较。显示距离的措施和看法之间的相关性，颜色校正后的图像与视觉检测的参考光照下的原始图像相比。在这种方式中，距离度量的心理物理学实验涉及的颜色校正后的图像进行配对比较。此外，以下[ 7 ]，一个绩效指标的分布的讨论，表明附加的和替代的信息可以提供进一步的洞察在一个大的组的图像的颜色恒常性算法的性能。 最后，除了性能措施的心理评估，颜色恒常性算法之间的感知差异分析。这种分析是用来提供一个获得的性能改进的感性意义的指示。换句话说，这种分析的结果可以用来表明是否观察者可以看到之间的颜色校正两颜色恒常性算法产生的图像的差异。 本文的组织如下。在2节中，讨论了颜色恒常性和图像变换。进一步，设计了一套颜色恒常性的方法。然后，进行了3不同距离的措施。第一类问题的数学方法，包括角度误差和欧氏距离。第二类型涉及测量距离在不同的色彩空间，例如，设备无关的，感性的，或直观的色彩空间。第三，两域特定距离的措施进行了分析。在4节中，心理物理实验的实验装置进行了讨论，这些实验的结果在第5节。6节各种颜色恒常性算法进行比较，表明距离测量的影响，并在7节中两种算法之间的差异的感性意义的讨论。最后，对得到的结果进行了讨论在8节。 2、颜色恒常性 朗伯表面的图像值f取决于光源的颜色e(λ)，表面的反射率S（x,
第七章分子荧光分析法 第一节概述 物质的分子吸收一定的能量后，其电子从基态跃迁到激发态，如果在返回基态的过程中伴随有光辐射，这种现象称为分子发光（molecular luminescence），以此建立起来的分析方法，称为分子发光分析法。 物质因吸收光能激发而发光，称为光致发光（根据发光机理和过程的不同又可分为荧光和燐光）；因吸收电能激发而发光，称为电致发光；因吸收化学反应或生物体释放的能量激发而发光，称为化学发光或生物发光。根据分子受激发光的类型、机理和性质的不同，分子发光分析法通常分为荧光分析法，燐光分析法和化学发光分析法。 荧光分析法历史悠久。早在16世纪西班牙内科医生和植物学家N.Monardes，就发现含有一种称为“Lignum Nephriticum”的木头切片的水溶液中，呈现出极为可爱的天蓝色，但未能解释这种荧光现象。直到1852年Stokes在考察奎宁和叶绿素的荧光时，用分光计观察到它们能发射比入射光波长稍长的光，才判明这种现象是这些物质在吸收光能后重新发射的不同波长的光，从而导入了荧光是光发射的概念，并根据荧石发荧光的性质提出“荧光”这一术语，他还论述了Stokes位移定律和荧光猝灭现象。到19世纪末，人们已经知道了包括荧光素、曙红、多环芳烃等600多种荧光化合物。近十几年来，由于激光、微处理机和电子学新成就等科学科术的引入，大大推动了荧光分析理论的进步，促进了诸如同步荧光测定、导数荧光测定、时间分辨荧光测定、相分辨荧光测定、荧光偏振测定、荧光免疫测定、低温荧光测定、固体表面荧光测定、荧光反应速率法、三维荧光光谱技术和荧光光纤化学传感器等荧光分析方面的发展，加速了各种新型荧光分析仪器的问世，进一步提高了分析方法的灵敏度、准确度和选择性，解决了生产和科研中的不少难题。 目前，分子发光分析法在生物化学，分子生物学，免疫学，环境科学以及农牧产品分析，卫生检验、工农业生产和科学研究等领域得到了广泛的应用。 第二节分子荧光分析法的基本原理 一、荧光（燐光）光谱的产生 物质受光照射时，光子的能量在一定条件下被物质的基态分子所吸收，分子中的价电子发生能级跃迁而处于电子激发态，在光致激发和去激发光过程中，分子中的价电子可以处于不同的自旋状态，通常用电子自旋状态的多重性来描述。一个所有电子自旋都配对的分子的电子态，称为单重态，用“S”表示；分子中的电子对的电子自旋平行的电子态，称为三重态，