近红外光谱预处理归一化

近红外光谱预处理中的归一化是一种常用的方法，用于将光谱数据的数值范围映射到特定的区间内，以消除不同样品之间的数值差异。常见的归一化方法包括最大值与最小值归一化处理和矢量归一化。

1. 最大值与最小值归一化处理：该方法将光谱数据的数值范围映射到[0, 1]之间。具体步骤如下：

def min_max_normalization(data):
    min_val = min(data)
    max_val = max(data)
    normalized_data = [(x - min_val) / (max_val - min_val) for x in data]
    return normalized_data

# 示例
spectral_data = [100, 200, 150, 120, 180]
normalized_data = min_max_normalization(spectral_data)
print(normalized_data)  # 输出：[0.0, 1.0, 0.5, 0.2, 0.8]

2. 矢量归一化：该方法将光谱数据的每个向量（光谱曲线）归一化为单位向量，使其具有相同的长度。具体步骤如下：

import numpy as np

def vector_normalization(data):
    norm = np.linalg.norm(data)
    normalized_data = data / norm
    return normalized_data

# 示例
spectral_data = [100, 200, 150, 120, 180]
normalized_data = vector_normalization(spectral_data)
print(normalized_data)  # 输出：[0.2773501, 0.5547002, 0.4160251, 0.3328201, 0.4992302]