KnowItAll软件中如何选择检索算法.pdf

KnowItAll软件中如何选择检索算法 应用文章94034 1 提纲 • 为何需要对光谱进行归一化处理 • 欧氏距离法 • 一阶微分法 • 如何选择检索算法 2 为何需要对光谱进行归一化处理 • 归一化用于补偿由于样品量引起的光谱区别（浓度或 光程等）。归一化后的光谱就可以进行检索比对。 • 已有数据库中的光谱通常已经经过归一化处理。 • 归一化的算法有很多种，本文比较两种不同的方法： 点积归一化（欧氏距离法）和标度归一化（一阶微分 法）。 3 欧氏距离法 • 通过点积归一化法进行归一化。 • 通过将参考光谱和未知样品光谱数据点除以其光谱的 点积的平方根来实现的。 • 将每一个比对的差值平方后相加就得到HQI值 • 简单来说欧氏距离法计算全部光谱的数据点 4 一阶微分法 • 通过标度归一化法进行归一化 • 从每个数据点减去一个常数，使最小值等于零。 • 然后，将数据乘以一个常数，使最大数据点等于一个 吸光度单位。 • 简单来说，一阶微分法只计算光谱的最大最小值。 5 如何选择检索算法 • 一般来说，对于未知样 品，通常选择欧氏距离 法。因为通常都能在参 考谱库中找到近似物质 并进行分析。 • 但如果像左图一样，基 线并非平直来说，这种 方法误差较大。 6 如何选择检索算法 • 一阶微分法克服了基线 不平的这个问题。 • 但如果未知样品并没有 包括在参考谱库中，则 检索结果会出现极大的 偏差。 7 结论 • 如果样品光谱的基线比较平直，接近0吸收单位，选择 欧氏距离法。 • 如果基线比较倾斜，要么在分析前做基线处理，要么 就选择一阶微分法进行检索。 • 另外，欧氏距离法并不考虑光谱本身的意义，所以会 出现比较宽的峰就会被认为更重要，比较窄小的峰会 被忽略的问题。 8 Thank you. 9