Code Monkey home page Code Monkey logo

thesis-stat's Introduction

Thesis-stat

Collection of R-scripts for preprocessing and statistical analysis of Raman/IR spectra Die Spektren müssen als TXT File vorliegen, mit den Wellenzahlen in der ersten Spalte (V1), und den Intensitätswerten in der zweiten Spalte (V2). Ein R-Project sollte erstellt werden, dieses enthält folgende Ordner:

- "Files"... enthält alle Skripten:
   + "Funktionen" Skript.. enthält alle zu verwendenden Funktionen und Packages, kann unverändert bleiben
   + "Datenvorbehandlung" Skript.. Hiermit können die Daten eingelesen werden und die 
     diversen Vorbehandlungen (Ableitung, SNV, Detrend) der Spektren durchgeführt werden. 
   + "Dokumentation" Skript.. Hier können der Spektrale Bereich eingeschränkt werden und die Ausreißer
     entfernt werden. 
   + "Statistik - ____" Skript.. Diese Skripten enthalten die statistischen Methoden (PCA,HCA)
     für die jeweiligen Vorbehandlungen (SNV, Detrend, Ableitung)
   + "Spectra-Loading" Skript.. enthält die Möglichkeiten die Mittelwertsspektren der Gruppen und die 
     Loadings gemeinsam zu plotten, sowie die Möglichkeit Score-plots mit unterschiedlichen Symbolen
     zu erstellen. 
- "Graphs"... hier werden die generierten Graphen abgespeichert
- "Raw_data"... hier liegen die Originaldaten, die Txt Files der Spektren. 
   Dieser Ordner kann aber auch anders benannt werden, dann mus der Pfad in der
   "My.Import" Funktion geändert werden. 

Nachdem man die Rohdaten im "Raw_data" Ordner platziert hat, oder in dem selbst gewählten Pfad, kann man das R-Project öffnen und das Datenvorbehandlungsskript starten. Wenn man den "Raw_data" Ordner verwendet, kann man den Location Parameter der "My.Import" Funktion beibehalten, sonst muss man den gewünschten Dateipfad eingeben. Den Gruppen Parameter übergibt man nun einen Vektor der die Namen der Gruppen enthält, dabei darauf achten, dass diese in den TXT File-Namen vorkommen und eindeutig sind. Hat man dies verändert, kann man das Skript bis vor den Punkt "Basislinien Korrektur" ausführen. Nun hat man die Möglichkeit, die Spektren Basislinien zu korrigieren, SNV anzuwenden, eine Ableitung durchzuführen oder die detrend Funktion (Basislinien Korrektur und SNV) anzuwenden. Will man die dabei generierten Grafiken speichern, muss man die "My.export_Start" und die "My.export_end" Funktion entkommentieren und mitausführen (Dies gilt für alle Skripten) Hat man die ausreichenden Vorbehandlungen durchgeführt, kann man das passende "Statistik" Skript öffnen und Punkt für Punkt ausführen. Will man aufgrund dieser Ergbenisse die Auswertung anpassen, ist das "Dokumentations" Skript zu öffnen, hier können der spektrale Bereich eingeschränkt werden und die Ausreißer entfernt werden. Wenn man dieses Skript ausführt, muss man anschließend das passende "Statistik" Skript wieder ausführen. Um das "Loadings-Spectra" Skript verwenden zu können, müssen die statistischen Analysen bereits durchgeführt worden sein.

thesis-stat's People

Contributors

hermann-da avatar

Stargazers

Saba Bashir avatar

Watchers

 avatar

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.