近些年，光谱技术结合化学计量学方法已经广泛应用于复杂多组分体系的定量和定性分析中。本书系统地介绍了常用光谱技术的基本理论知识、光谱仪的主要组成和功能、化学计量学基础理论以及化学计量学在光谱学中的实际应用。
本书可以作为分析仪器、过程分析和过程控制等相关领域的科研和技术人员的参考书，也可以作为自动化、检测等相关专业的本科生和研究生的教材。

前言
第1章 概述
1.1 光谱学概论
1.1.1 紫外-可见光谱
1.1.2 荧光光谱
1.1.3 近红外和红外光谱
1.1.4 拉曼光谱
1.2 化学计量学概论
1.2.1 化学计量学的含义
1.2.2 化学计量学的发展历史
1.3 化学计量学在光谱学中的应用
1.3.1 光谱预处理
1.3.2 线性校正方法
1.3.3 非线性校正方法
第2章 紫外-可见光谱
2.1 基本原理
2.1.1 分子吸收光谱原理
2.1.2 朗伯-比尔定律
2.1.3 有机物的紫外-可见光谱的吸收原理
2.2 紫外-可见光谱仪
2.2.1 光源
2.2.2 单色仪
2.2.3 样品池
2.2.4 检测器
2.2.5 性能指标
2.3 常用的紫外-可见光谱仪
2.3.1 单光束光谱仪
2.3.2 双光束光谱仪
2.3.3 双波长光谱仪
2.4 紫外-可见光谱的应用
2.4.1 定性分析
2.4.2 定量分析
2.4.3 水质检测
第3章 荧光光谱
3.1 基本原理
3.1.1 荧光产生的机理
3.1.2 激发光谱和发射光谱
3.1.3 荧光物质产生荧光的条件
3.1.4 影响荧光光谱及荧光强度的因素
3.2 荧光衡量参量
3.2.1 荧光强度
3.2.2 荧光寿命
3.2.3 荧光量子产率
3.2.4 斯托克斯位移
3.3 荧光光谱仪的组成
3.4 常用的荧光光谱仪
3.4.1 常用荧光光谱仪介绍
3.4.2 常用荧光光谱分析技术
3.5 荧光光谱的应用
3.5.1 生物医学领域的应用
3.5.2 中药领域的应用
3.5.3 石化领域的应用
第4章 红外光谱
4.1 基本原理
4.1.1 红外光谱产生的机理
4.1.2 傅里叶变换红外光谱的工作原理
4.1.3 红外光谱的吸收强度
4.1.4 红外光谱图的分区
4.2 红外光谱分析的基本原理
4.2.1 定性分析原理
4.2.2 定量分析原理
4.2.3 红外光谱的解析
4.3 常用的红外光谱仪
4.3.1 常用的中红外光谱仪
4.3.2 常用的近红外光谱仪
4.3.3 红外光谱仪的性能指标
4.4 红外光谱的应用
4.4.1 定性分析
4.4.2 定量分析
第5章 拉曼光谱
5.1 基本原理
5.2 拉曼光谱解析
5.2.1 拉曼光谱特点
5.2.2 拉曼散射的经典解释
5.2.3 拉曼散射的量子理论解释
5.3 拉曼光谱技术
5.3.1 共振拉曼光谱
5.3.2 表面增强拉曼光谱
5.3.3 SERS联用技术
5.4 拉曼光谱仪
5.4.1 拉曼光谱仪结构
5.4.2 拉曼光谱仪应用
5.5 拉曼光谱的应用
第6章 化学计量学基础
6.1 误差及数理统计基础
6.1.1 误差来源
6.1.2 误差分类
6.2 光谱预处理方法
6.2.1 中心化
6.2.2 标准化
6.2.3 平滑
6.2.4 求导
6.2.5 标准正态变量变换
6.2.6 多元散射校正
6.2.7 正交信号校正
6.2.8 基线校正方法
6.2.9 傅里叶变换
6.2.10 小波变换
第7章 主成分分析
7.1 概述
7.2 基本原理
7.3 主成分分析的相关计算
7.3.1 主成分分析的数学模型
7.3.2 主成分分析的推导
7.3.3 主成分贡献率
7.3.4 主成分提取率及载荷的计算
7.4 主成分分析的步骤
7.5 应用
7.5.1 几种主要应用
7.5.2 葡萄糖溶液的主成分分析
第8章 偏最小二乘
8.1 概述
8.2 基本原理
8.2.1 偏最小二乘原理
8.2.2 模型提取成分个数的确定
8.3 偏最小二乘算法
8.4 偏最小二乘回归分析的步骤
8.5 非线性偏最小二乘
8.5.1 从线性到非线性
8.5.2 非线性偏最小二乘算法步骤
8.5.3 基于样条变换的非线性偏最小二乘回归
8.5.4 基于核变换的非线性偏最小二乘回归
8.6 应用
第9章 遗传算法
9.1 概述
9.2 基本原理
9.2.1 基本思想
9.2.2 构成要素
9.3 遗传算法的流程
9.4 应用
第10章 人工神经网络
10.1 概述
10.2 基本原理
10.3 基于BP神经网络的近红外光谱的定量分析
第11章 极限学习机
11.1 基本原理
11.1.1 极限学习机概述
11.1.2 极限学习机的基本原理
11.1.3 单隐含层前馈神经网络结构
11.1.4 极限学习机标准算法
11.1.5 基于正则化的极限学习机
11.1.6 基于L2范数的极限学习机
11.1.7 基于L1范数的极限学习机
11.1.8 基于L1和L2混合范数的极限学习机
11.2 基于极限学习机的近红外光谱对烟草样本中主要成分的定量分析
11.2.1 不同组分建模过程分析
11.2.2 极限学习机结果的随机性的验证
第12章 支持向量机
12.1 概述
12.2 基本原理
12.2.1 最优化理论
12.2.2 支持向量分类
12.2.3 支持向量回归
12.2.4 统计学习理论
12.3 支持向量机算法
12.3.1 最小二乘支持向量机
12.3.2 半监