微型统计分析系统README

深藏阁楼爱情的钟 2022-11-30 12:54 74阅读 0赞

# 微型统计分析系统 #

# MSAS #

> Mini Statistical Analysis System

### 项目地址 ###

由于某种原因，项目已经改为私有。  
如果有技术方面的问题，请联系我。

*  github: [https://github.com/tbyouth/TCM\_MSAS][https_github.com_tbyouth_TCM_MSAS]
 *  gitee: [https://gitee.com/tbyouth/TCM\_MSAS][https_gitee.com_tbyouth_TCM_MSAS]

### 项目预览 ###

[![dr35Wj.png][]][dr35Wj.png 1]

![dr3oSs.png][]

[![dr3HO0.png][]][dr3HO0.png 1]

### 简介 ###

本项目是基于PyQt框架开发的一个微型的数据统计分析系统。

该项目目前已经完成了版本v1.0的开发工作,

并且以**偏最小二乘的多功能统计分析系统**v1.0版本打包发布，

该发布版本有幸作为JXUTCM杜教授的论著《偏最小二乘法优化及其在中医药领域的应用研究》的配套软件。

本项目后续的的功能开发和算法集成工作正在进行中…

### 功能: ###

*  支持excel表格数据**基本的**预处理：
    
     *  数据增删改;
     *  数据剪切复制粘贴；
     *  数据检索高亮显示;
     *  数据查找替换；
     *  数据的导入导出等功能；
 *  支持优化的偏最小二乘(PLS)数据分析功能,集成的PLS相关算法有11个:
    
     *  数据预处理模型2个：
        
        DSA-PLS：Denoising Sparse Autoencoder（降噪稀疏自编码器）融合降噪稀疏自编码器的偏最小二乘算法
        
        SBMPLS：Slacks Based Measure（非径向 DEA 模型）融合非径向数据包络分析的偏最小二乘算法
     *  特征选择模型3个：
        
        PLSCF：PLS feature selection based on feature correlation 基于特征相关的偏最小二乘特征选择算法
        
        LAPLS：Feature Selection Method Based on Patial Least Squares 基于偏最小二乘的特征选择算法
        
        GRA-PLS：Grey Relation Analysis-Partial Least Square 灰色关联的偏最小二乘辅助分析算法
     *  非线性特征提取模型3个：
        
        RBM-PLS：Restricted Boltzmann Machine（受限玻尔兹曼机）融合受限玻尔兹曼机的偏最小二乘优化模型
        
        SEA-PLS：融合稀疏自编码器的偏最小二乘优化模型
        
        DBN-PLS：Deep Belief Nets（深度置信网络）融合深度置信网络的偏最小二乘优化模型
     *  非线性回归模型3个：
        
        Mtree-PLS：Partial least squares method based on fusion model tree 融合模型树的偏最小二乘算法
        
        RF-PLS：PLS method for fusion of random forests 融合随机森林的偏最小二乘算法
        
        PLS-S-DA：Partial least squares discriminant analysis based on softmax 融合 softmax 的偏最小二乘判别分析算法
 *  支持多线程运行算法模型
 *  支持可视化分析功能：
    
    绘制可视化图形，图形的移动，放缩查看，图形的导出；
    
    由于时间仓促，学业繁忙（准备考研ing）等原因目前版本只集成了折线图，散点图，柱状图这三种可视化模型，
    
    更多可视化分析模型将在后续的开发中加入。

### 安装 ###

1.  直接下载本项目zip文件源码或使用git下载项目源码
    
        $ git clone git@github.com:tbyouth/TCM_MSAS.git
2.  安装好python并配置好环境，打开命令行工具，
    
    使用 `pip install -r requirements.txt` 安装相关依赖模块；
    
    如果您使用pip安装依赖模块时下载太慢，建议您使用：
    
        pip install -i https://pypi.douban.com/simple  -r requirements.txt
    
    调用python 执行项目目录下的**runApp.py**:
    
        python runApp.py
3.  此外，你可以[下载本项目打包发布的Release v1.0][Release v1.0]使用（构建好的exe文件），
    
    也可以自己使用pyinstaller进行编译打包成exe后使用，
    
    编译打包成exe语句：`pyinstaller -i logo.ico -F src/MainWindow.py`

#### 功能TODO ####

*  软件皮肤设置.
 *  数据库导入导出数据（已写demo暂未集成）.
 *  数据预处理操作撤销回退.
 *  数据可视化模框重构.
 *  集成更多数据分析算法.
 *  集成更多可视化分析模型.
 *  加入启动界面（已写demo暂未集成））.
 *  软件在线更新.
 *  代码优化…

#### 开发TODO ####

*  加入日志方便调试.

#### 说明 ####

本项目由我独立开发，所以部分界面的设计和功能的实现可能存在不足。

（特别是算法运行结果展示和可视化分析的界面我觉得需要重新设计…）

11个PLS相关算法由学姐（两个交叉的圆）和学长（LOVE）提供并进行初步整理,

当前版本(v1.0)集成的部分算法从运行效果来看不是特别满意，

所以部分算法可能还存在很多不足，后期如果有机会将进行修改和优化。

#### 后续 ####

**欢迎大家加入本项目的开发和维护工作!**

**欢迎为本项目提供宝贵的建议！！**

**欢迎一起学习交流！！！**

##### 联系我 #####

1.  作者：tbyouth
2.  QQ： 2638961251
3.  邮箱：[tbyouth@gmail.com][tbyouth_gmail.com] or [2638961251@qq.com][2638961251_qq.com]

#### 项目其他截图 ####

![dr3Tln.png][]

![dr37yq.png][]

![dr34YQ.png][]

[https_github.com_tbyouth_TCM_MSAS]: https://github.com/tbyouth/TCM_MSAS
[https_gitee.com_tbyouth_TCM_MSAS]: https://gitee.com/tbyouth/TCM_MSAS
[dr35Wj.png]: /images/20221123/17ed996e7b3342bcbdc052a7b136b1aa.png
[dr35Wj.png 1]: https://imgchr.com/i/dr35Wj
[dr3oSs.png]: /images/20221123/763f5173652c4e0884041911ed75a2c4.png
[dr3HO0.png]: /images/20221123/c7af81765f3547e49070f8fe73982bde.png
[dr3HO0.png 1]: https://imgchr.com/i/dr3HO0
[Release v1.0]: https://github.com/tbyouth/TCM_MSAS/releases/tag/v1.0
[tbyouth_gmail.com]: mailto:tbyouth@gmail.com
[2638961251_qq.com]: mailto:2638961251@qq.com
[dr3Tln.png]: /images/20221123/687cb8fe70fd4700a22e5a5ce905f514.png
[dr37yq.png]: /images/20221123/44c89f93ef714372925dd32c2163a61b.png
[dr34YQ.png]: /images/20221123/ff8daf16e0724c7eb9c8d3038132823e.png