所属分类：视觉图像与光学光电 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

从原始光谱到特征提取全流程实战

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 光谱分析的应用领域与价值
课程导入学习目标
02
光谱基础概念
电磁波谱 · 光谱类型（吸收 · 发射
光谱基础概念电磁波谱
03
光谱仪与数据采集
常见光谱仪原理 · 采集参数（分辨率 · 信噪比）
光谱仪数据采集
04
光谱数据预处理概述
预处理的目的 · 常见步骤（去噪 · 基线校正
光谱数据预处理概…预处理的目的
05
噪声与异常值处理
平滑算法（移动平均 · Savitzky-Golay） · 异常值检测与剔除
噪声异常值处理
06
基线校正方法
多项式拟合 · SNV · MSC等基线校正技术及适用场景
基线校正方法多项式拟合
07
光谱归一化与标准化
最大最小归一化 · Z-score标准化 · 向量归一化及其对后续分析的影响
光谱归一化标准化
08
光谱插值与重采样
波长校准 · 插值方法（线性 · 样条）
光谱插值重采样
09
光谱导数与差分
一阶/二阶导数计算 · 导数光谱的意义与噪声放大问题
光谱导数差分
10
特征提取概述
特征提取与特征选择的区别 · 降维思想 · 常用特征类型
特征提取概述特征提取
11
主成分分析（PCA）
原理 · 计算步骤 · 主成分解释
PCA主成分分析
12
偏最小二乘（PLS）
PLS原理 · 与PCA的区别 · 在回归和分类中的用法
PLS偏最小二乘
13
独立成分分析（ICA）
ICA原理 · 光谱盲源分离应用 · 注意事项
ICA独立成分分析
14
线性判别分析（LDA）
LDA原理 · 监督降维 · 与PCA的对比
LDA线性判别分析
15
连续投影算法（SPA）
SPA原理 · 波长选择步骤 · 在特征提取中的应用
SPA连续投影算法
16
无信息变量消除（UVE）
UVE方法 · 稳定性评估 · 变量筛选实战
UVE无信息变量消除
17
竞争性自适应重加权算法（CARS）
CARS原理 · 蒙特卡洛采样 · 波长优选
CARS竞争性自适应重加…
18
遗传算法（GA）特征选择
GA原理 · 适应度函数 · 在光谱波段选择中的实现
GA遗传算法
19
基于机器学习的重要性排序
随机森林 · XGBoost等模型的特征重要性评估
基于机器学习的重…随机森林
20
特征提取实战流程
从原始光谱到特征矩阵的完整流程设计（…
特征提取实战流程从原始光谱到特征…
21
案例实战一
近红外光谱的预处理与PCA降维（使用…
案例实战一PCA
22
案例实战二
拉曼光谱的基线校正与特征峰提取
案例实战二拉曼光谱的基线校…
23
案例实战三
高光谱图像的波段选择与特征提取（结合…
案例实战三高光谱图像的波段…
24
案例实战四
光谱分类任务中的特征提取与模型评估（… · 随机森林）
案例实战四光谱分类任务
25
案例实战五
光谱回归任务（如浓度预测）中的特征提…
案例实战五光谱回归任务
26
特征提取效果评估
分类准确率 · 回归R² · 交叉验证
特征提取效果评估分类准确率
27
常见问题与调试技巧
过拟合 · 特征冗余 · 数据泄漏
常见问题调试技巧
28
工具与库实战
Python中numpy · scipy · scikit-learn
工具库实战
29
综合项目
从原始光谱到特征提取的端到端项目（数…
综合项目从原始光谱到特征…
30
课程总结与进阶方向
知识体系回顾 · 前沿方法（深度学习特征提取） · 学习资源推荐
课程总结进阶方向