三维荧光平行因子学习记录–(三)使用工具箱进行平行因子分析–(一) 注 本文仅作为自己的学习记录以备以后复习查阅
本文的参考文献:
本文的参考博客链接:
大家对三维荧光数据分析有疑问的或者对平行因子分析感兴趣的可以去看看他的主页 。
一、前言
本文讲分为两个大模块来展示工具箱的使用,第一个部分是用官方提供的数据(.mat)进行分析,第二个部分使用我们自己的数据集进行分析,其中也会穿插一些报错的解决办法,这里默认大家都已经安装了工具箱,没安装的可以去看看我之前发的博客,下面话不多说进入正题 。
二、官方自带数据 第一步:加载数据
load PARAFACexample.mat
加载数据并绘制EEM,在命令窗口中,把教程数据加载到工作空间中,它由一个名为的数据结构组成 。
第二步:绘制等高线图
现在我们将绘制EEM,以检查数据是否正确加载 。工具箱中有几个函数可用于绘制EEM 。
①将数据集中的前5个EEM一次绘制一个等高线图 。按下键盘上的任何键都可以查看下一个图形 。如果将1:5替换为1:65,则所有65个样本将一次绘制一个 。通过在键盘上输入[Ctrl+C],然后关闭图形窗口,可以随时停止打印过程 :
注:‘R.U.’,表示你数据的荧光强度的单位,没有经过校正,即任意单位时,为’A.U.‘,经过拉曼校正后,为’R.U.’,经过硫酸奎宁校正后,为’QSE’
PlotEEMby1(1:5,OriginalData,'R.U.')
②将一次绘制四个数据 。这在处理大型数据集时更快 。
PlotEEMby4(1,OriginalData,'R.U.')
③与上述操作相同,但使用从最小和最大测量数据自动导出的固定z轴(颜色条比例)绘制数据 。
PlotEEMby4FixZ(1,OriginalData,'R.U.')
还可以尝试键入help 、help,最后键入help。有关如何使用这些功能的一些说明会打印到命令窗口中 。这适用于中的所有函数(例如,尝试键入help load) 。
也可以使用和功能以类似的方式绘制曲面图 。
例如:(1,,'R.U')
(1,,'R.U')
第三步:去除散射
这一步将创建一个新的数据副本,其中受散射峰影响的波长已被切割,并替换为缺失值或零(如不手动停止会自动进行到最后一个样本) 。输入:
[CutData] = EEMCut(OriginalData,20,20,NaN,NaN,'No');
数据将被切割,然后绘制,以便比较切割前后的EEM 。图表将从第一个样本自动绘制到最后一个样本 。该函数删除无荧光区域(发射波长小于激发波长)和受一阶散射影响较大的区域(瑞利峰和拉曼峰主导信号)中的数据,并用缺失值(“NaN”(在中不是数字)替换它们 。此外,还插入了一个零区域,以辅助建模 。
在继续下一步之前,我们输入:
[CutData] = EEMCut(OriginalData,20,20,NaN,NaN,'');
以便在本教程的其余部分对数据进行适当的处理 。这将剪切数据,但不会绘制结果(因为最后的参数为’ ') 。
第四步:初步探索性数据分析和异常值识别
这个步骤用于去除一些异常的样本以及确定模型最后的组分数 。我们输入:
[Test1] = OutlierTest(CutData,2,1,7,'No','No');
进行第一次测试 。按下任意键后,将运行从2个组件到7个组件的一系列模型 。最初五个模型(2、3、4、5、6和7个组件模型)的结果可以通过多种方式进行评估,但在本教程中,我们将使用两种类型的图;负载和杠杆 。这些测试大约需要3分钟,您的计算机才能运行 。
- 三极管的3种工作状态
- 计算机大赛全国排名,计算机大赛:国内高校排名,清华第一,华中大第二,第三太意外?
- 白色情人节的来历
- 2023中秋国庆加班工资按三倍还是两倍算 2023年国庆中秋加班费怎么算
- 文艺复兴时期三位伟大的悲剧是
- 三唑醇常用于防治什么
- 三伏天晒太阳的好处与功效与作用
- 【JavaWeb】Java三层架构写一个登录案例
- 三种用python进行线性/非线性拟合的方法
- 三十三 算法数据结构----有序表