二维小波变换与子窗口因子分析法结合用于含噪声HPLC-DAD数据的解析

将二维小波变换与子窗口因子分析法相结合,用于模拟的高噪声HPLC-DAD数据的解析.首先应用二维小波变换滤除噪声,然后采用子窗口因子分析法解析重叠峰.结果表明,信噪比为10的高噪声基本被滤除掉.     

窗口因子分析算法的改进及带噪声HPLCDAD数据的解析

窗口因子分析(WFA)是渐进过程二维数据解析的有力工具, 但信号中的噪声对解析结果有较强的干扰作用. 误差分析表明抽象因子分析(AFA)保留的噪声对解析结果有很大的影响. 提出了一种改进的WFA算法, 并对模拟和实验HPLC-DAD数据进行了解析. 结果表明, 改进的算法能够很大程度地克服噪声的影响, 改善由噪声而导致的峰形畸变, 从而提高了WFA处理带噪声数据的能力.     

利用减秩因子分析法同时优化确定化学反应级数和速率常数

通过对反应过程中在线测得的动力学谱-光谱二维数据矩阵进行主成分分析，可确定化学反应过程存在的组分数。提出用优化动力学参数-减秩因子分析法解析二维数据矩阵，对未知动力学模型的复杂反应可同时优化求解第一步反应的级数和速率常数。模拟二维数据验证了该方法的可行性。该方法用于高锰酸钾氧化溴化钠的反应过程中测得的二维数据的解析，结果表明：高锰酸钾的还原过程符合0级反应模型。     

一种基于免疫识别的主因子数判断方法

根据免疫算法的基本思想,提出了一种基于免疫识别(IR)的主因子数判断方法.对模拟数据和HPLC-DAD数据的处理结果表明,IR比嵌入误差(IE)、因子指示函数(IND)和交叉验证(CV)更能有效地克服噪音的影响.当实际数据中的非线性和不等性方差噪音使其它方法失效时,IR仍能得到正确的主因子数.     

对直接标准化算法的改进及其应用

由于各种仪器之间存在差异,主机上建立的定量模型用于从机会导致预测结果出现较大偏差。目前主要通过有标样方法和无标样方法来减小预测偏差。该文对现有标样方法中的直接标准化算法进行改进,在转移矩阵的建立过程中,对从仪器数据矩阵进行主成分分解,以预测均方差为判定标准,确定最终的转移矩阵。并以玉米和烟草数据为对象,测试了该法的有效性。玉米样品含有2种成分:水分和蛋白质;烟草样品含有4种成分:还原糖、总糖、总氮和总碱。结果表明,对于玉米样品中的2种成分,采用改进的方法可显著提高预测的准确度;对于烟草中的4种成分而言,采用改进的方法可获得稳健的预测结果。     

不同产地白芷药材高效液相色谱指纹图谱研究

本文采用高效液相色谱-二极管阵列检测器(HPLC-DAD)法建立中药白芷的指纹图谱.应用化学计量学中两种不同的模式识别方法(主成分分析法和系统聚类分析法)对实验数据进行处理,以找出来自三个不同产地30个中药白芷样品间的相似性及差异性.两种模式识别方法均能成功地按样品的来源将不同产地的样品正确分类.建立了不同产地中药白芷的识别方法,该方法能有效地控制中药白芷的质量,并能为其它中药产品的化学模式识别提供参考.     

健康和病变关节软骨的傅里叶变换红外光谱显微成像及Fisher判别

傅里叶变换红外光谱显微成像(FTIRI)可同时获得样品的红外光谱和形貌信息,其与化学计量学方法结合,可实现生物组织中主成分含量及分布的定量研究.本研究采用FTIRI技术结合主成分分析(PCA)以及Fisher判别算法对正常和病变的关节软骨进行鉴别分析.对关节软骨切片进行实现FTIR扫描及光谱分析,再利用SPSS软件对软骨的光谱(矩阵)进行主成分分析,根据主成分得分矩阵构造分类函数,结合Fisher判别算法对样本进行分类识别.正常和病变的关节软骨样品识别准确率高达95.7％(初始案例)和94.3％(交互验证案例).本方法可准确有效地辨别关节软骨是否发生病变,为监测骨关节炎的发生和修复提供参考.     

Daubechies小波主成分回归法机理及算法研究

将小波变换与主成分回归相结合,提出一种新型多元校正算法---小波基主成分回归法。理论分析和仿真实验表明,该法可更有效地去除噪声,提取有用信息。将其用于氯霉素及甲硝唑实际药物体系分析,与主成分回归法(PCR)相比,得到的回收率总平均相对误差由1.70%下降到0.90%。此外,通过将统计判据和小波多尺度分析相结合,发展了一种新的因子数判定方法。理论和实验研究表明,该法比传统因子数判定法具有更高的可靠性。     

稳健算法及其在红外光谱分析中的应用

总结了稳健主成分分析、稳健主成分回归、稳健偏最小二乘回归和稳健连续回归等各种稳健算法的新近成果. 研究表明,稳健算法可以检测并规避异常值的影响. 稳健算法应用红外光谱分析中可望优化定性、定量预测模型.     

主成分-BP算法在近红外光谱法纸浆卡伯值测量中的应用研究

提出采用主成分-BP算法建立纸浆卡伯值近红外光谱法在线测量模型。结果表明,这种算法由于既考虑到了近红外光谱响应的非线性因素,又可防止BP算法在建模时出现“过拟合”的现象,利用该算法建立的纸浆卡伯值测量模型与一元回归,多元回归和主成分回归等线性方法相比,具有更高的预测精度。     

免疫-遗传算法用于混合物重叠核磁共振信号解析

通过对免疫系统中抗体对外来抗原的识别、消除等过程的模拟,建立了一种新型的免疫算法模型.将标样信号作为抗体,混合物重叠信号作为抗原输入免疫算法模型,通过迭代运算,从抗原中消除抗体所表示的信息,当抗原被抗体完全消除时,即实现了混合物重叠信号的解析.对多组分混合氨基酸NMR谱图的解析结果证明,该算法可方便地用于多组分重叠信号的解析,为利用数据库解析混合物或生物大分子等物质的复杂NMR谱图开辟了一条全新的途径.     

免疫算法用于多组分二维色谱数据的解析

通过对免疫系统抗体对抗原消除作用及其记忆功能的模拟,提出了解析二维数据矩阵的新方法。采用模拟的EMG公式作为抗体输入,对二维信号逐行进行迭代消除,从重叠峰中提取单一组分的色谱信息和光谱信息。通过对二维色谱数据的解析,结果表明,该方法可方便地用于多组分重叠二维色谱的解析。     

一种新型的信号拟合方法--免疫算法

通过对免疫系统免疫机制的模拟,提出了一种新型的信号拟合算法。该算法根据所提供的标样信息对重叠分析化学信号进行拟合,从重叠信号中提取单一组分的信息,从而实现了多组分混合信号的解析。对模拟信号的实验信号的处理结果表明,该方法可方便地用于多组分重叠色谱信号的解析。     

An improvement of window factor analysis for resolution of noisy HPLC-DAD data

Window factor analysis (WFA) is a powerful tool in analyzing evolutionary process. However, it was found that window factor analysis is much sensitive to the noise involved in original data matrix. An error analysis was done with the fact that the concentration profiles resolved by the conventional window factor analysis are easily distorted by the noise reserved by the abstract factor analysis (AFA), and a modified algorithm for window factor analysis was proposed. Both simulated and experimental HPLC-DAD data were investigated by the conventional and the improved methods. Results show that the improved method can yield less noise-distorted concentration profiles than the conventional method, and the ability for resolution of noisy data sets can be greatly enhanced.     

子窗口分析法用于偶氮染料GC-MS重叠峰的解析

 将子窗口因子分析法 (SWFA)应用于GC MS联用检测数据分析 ,并以两种偶氮染料 3,3′ 二氯联苯胺和 4,4′ 次甲基 双 (2 氯苯胺 )重叠图谱为例进行了解析。结果表明 ,此方法可直接进行目标组分的质谱分辨 ,得到目标组分的质谱图 ,进而得到该组分的色谱图。其结果准确、可靠。与窗口因子分析相比 ,子窗口的选择更加容易 ,人工干预少 ,解析速度快。     

Implementation and efficiency of an automatic peak-purity-control procedure in HPLC-UV-VIS-coupling based on principal component analysis

Summary Based on a thorough knowledge of the actual system precision significance testing of the primary eigen values, resulting from principal component analysis of the two-dimensional data array of HPLC with photodiode-array detection, is a powerful means to uncover unresolved chromatographic peaks. The implementation of this chemometric technique for assuring peak homogeneity and results showing the efficiency for two-component peaks in regard to spectral characteristics, chromatographic resolution and absorbance ratio of the investigated compounds are presented.     

Mutual peak matching in a series of HPLC–DAD mixture analyses

One of the largest challenges in high performance liquid chromatography (HPLC) method development is the necessity for tracking the movement of peaks as separation conditions are changed. Peak increments are then used to build a mathematical model capable of minimizing the number of experiments in an optimization circuit. Method optimization for an unknown mixture is, moreover, complicated by the absence of any a priori information on component properties and retention times when direct signal assignment is not possible. On the contrary, achievement of the maximum separation becomes an important factor for successful identification or quantitation. In this case, the optimization may be based on assigning peaks of the same component chosen from different experiments to each other. In other words, mutual peak matching between the HPLC runs is required.

A new method for mutual peak matching in a series of HPLC with diode array detector (HPLC–DAD) analyses of the same unknown mixture acquired at varying separation conditions has been developed. This approach, called mutual automated peak matching (MAP), does not require any prior knowledge of the mixture composition. Applying abstract factor analysis (AFA) and iterative key set factor analysis (IKSFA) on the augmented data matrix, the algorithm detects the number of mixture components and calculates the retention times of every individual compound in each of the input chromatograms. Every candidate component is then validated by target testing for presence in each HPLC run to provide quantitative criteria for the detection of “missing” peaks and non-analyte components as well as confirming successful matches. The matching algorithm by itself does not perform full curve resolution. However, its output may serve as a good initial estimate for further modeling. A common set of UV-Vis spectra of pure components can be obtained, as well as their corresponding concentration profiles in separate runs, by means of alternating least-square multivariate curve resolution (ALS MCR), resulting in reconstruction of overlapped peaks.

The algorithms were programmed in MATLAB^® and tested on a number of sets of simulated data. Possible ways to improve the stability of results, reduce calculation time, and minimize operator interaction are discussed. The technique can be used to optimize HPLC analysis of a complex mixture without preliminary identification of its components.     

基于小波变换平滑主成分分析

小波变换具有很强的信号分离能力,很容易把随机噪音从信号中分离出来,从而提高信号的信噪比。本文把小波变换引入到因子分析中,提出了基于小波变换平滑主成分分析,该算法既保留普通主成分分析的正交分解,又具备了小波变换的信号分离能力。模拟数据和实验数据的结果表明,该算法具有从低信噪比的数据中提取出有用信息,并提高信号的信噪比。迭代目标变换因子分析处理实验数据的结果表明,基于小波变换平滑主成分分析的处理结果优     

基于高通量解析算法的复杂样品重叠气相色谱-质谱信号的快速分析

化学计量学算法为重叠气相色谱-质谱(GC-MS)信号的解析提供了有效手段,但其在计算过程中一般需要将数据进行分段处理,然后只对信号的某些区间进行解析,难以实现真正意义上的高通量分析。该文结合移动窗口目标转换因子分析(MWTTFA)和非负免疫算法(NNIA),建立了一种高通量解析方法。首先,根据所有可能存在的目标组分的标准质谱信息,利用MWTTFA检验复杂信号中存在的组分,并确定目标组分的质谱信息和洗脱时间区域。以得到的质谱信息作为后续计算的输入值,利用NNIA解析得到相应的色谱信息。采用快速升温程序对17种和42种农药混合标准样品的GC-MS信号进行分析,利用所建立的方法可在10 min内得到全部组分的色谱和质谱信息。