Kalibrationsoptimierung mittels genetischer Algorithmen

Dateibereich 5029

5,00 MB in 17 Dateien, zuletzt geändert am 23.10.2006

Dateiliste / Details

DateiDateien geändert amGröße
Anhang.pdf07.06.2000 00:00:00186,8 KB
curriculum.pdf07.06.2000 00:00:0045,5 KB
Frostdiss.pdf07.06.2000 00:00:001,96 MB
index.html23.10.2006 15:13:007,3 KB
Index.pdf07.06.2000 00:00:0044,8 KB
inhalt.htm07.06.2000 00:00:0019,1 KB
inhalt.pdf07.06.2000 00:00:0050,8 KB
Kapitel_1.pdf07.06.2000 00:00:0065,6 KB
Kapitel_2.pdf07.06.2000 00:00:00101,5 KB
Kapitel_3.pdf07.06.2000 00:00:00314,6 KB
Kapitel_4.pdf07.06.2000 00:00:00449,2 KB
Kapitel_5.pdf07.06.2000 00:00:00820,5 KB
Kapitel_6.pdf07.06.2000 00:00:00478,7 KB
Kapitel_7.pdf07.06.2000 00:00:00291,8 KB
Literatur.pdf07.06.2000 00:00:00137,1 KB
Titel.pdf07.06.2000 00:00:0049 KB
Zusammenfassung.pdf07.06.2000 00:00:0056,9 KB
This Phd thesis focuses on the generation and optimization of calibration models. When calculating the regression model based on the Principal Component Regression (PCR), the selection of factors for calibration represents the most important and time consuming step. During this step relevant spectral information has to be separated from interfering artefacts, as e.g. noise, minority effects, etc. This is achieved by Genetic Algorithms (GAs), which are designed to find good solutions for this combinatoric optimization problem by making use of adaptive processes. Based on examples taken from typical application fields of NIR spectroscopy, the evaluation and optimization of calibrations is described in detail. The GA serves to calculate the most suitable factor combination in a reproducable and reliable way. Therefore the description and validation of the GA's functional design represents a further main topic.
PURL / DOI:
Lesezeichen:
Permalink | Teilen/Speichern
Dokumententyp:
Wissenschaftliche Abschlussarbeiten » Dissertation
Fakultät / Institut:
Fakultät für Chemie
Dewey Dezimal-Klassifikation:
500 Naturwissenschaften und Mathematik » 540 Chemie
Stichwörter:
Genetic Algorithm, automatical optimization, computational intelligence, Factor selection, calibration optimization, Near-Infrared Spectroscopy, CI, Principal Componend Regression, NIR
Beitragender:
Prof. Dr. Molt, Karl [Gutachter(in), Rezensent(in)]
Sprache:
Deutsch
Kollektion / Status:
Dissertationen / Dokument veröffentlicht
Datum der Promotion:
07.06.2000
Dokument erstellt am:
07.06.2000
Dateien geändert am:
23.10.2006
Medientyp:
Text