文档介绍:!塑鎏蹬燮!!!滢篓圭羔鳖篓茎摘 婺本文对亿学因子分丰斤(CFA)方法静理论和应用进行了探讨和研究。全文共五章,萁中第一章为综述,其余四章分别为博士生期间的研究工作。笼一章酋先介绍了常见CFA方法的錾本原理、主要特点靼逶用问题,然羼通过详细的文献调职,综述了CFA在色谱分扳、电分孝厅化学以及其它分摄化学镁域中的应娟现状秘秘究方囱。本肇还总结了eFA兹摄毅研究进展,对i蜃几年来出现的一些敬遂帮新方法进行了奔绍,通过对阚题背景帮方法原淫的扼要描述,突矗{了当前cFA淫论中的热点河题和研究惑路。在第二章建立了一种密口因子分柝(wFA)的新算法。wFA属于自模因子分板,是鼹板渐进过程数据的霾要方法,德到了广泛的应用。但噪声对wFA干扰严耋,导致解孝厅结暴信噪拢降低甚至变形,影赡严重对使瓣援失败。通过对传统W淞箨法熬误嫠研究,分丰厅了茭易受噪声影嫡的理论爨因,并在此基础上踅新提出了wFA改进算法,理论上证明了该算法可敬进~步减小噪声豹影响。使用模拟和实验HPLC—DAD数据对改进算法进行了验证,并与传统算法对比,结果表明改进的算法可以很大程度上克服噪声的影响,从原始信号中获得更多有用信息,解析结果的信噪比得到提高,特征更接近纯组分信号,当噪声的影响使传统算法失效时,改进的算法仍然可以得到令人满意的缀果。第三章楚免疫主成分分析(IPCA)静研究。主成分分柝(pcA)怒绝大多数cFA方法的基础。但在eFA中PeA仅是一个缀数学交换,摹本出发点是裰据变疆问的距离,并不适合所有实际问题。根据免疫算法(Immu聪algoritm,IA)的基本原理提出的一种免疫主成分分析方法,IPCA根据交量间的相似程度对原始数据进行正交分解。使用模拟和实验HPLC—DAD数据对IPcA进行了验证,结果表噬IPcA是一绅非迭代方法,只需要完成一次计算过程即可得到一个主戏分,爨此lPCA不仅能够显萋撮裹运算速度,露且可以避免迭代法中的误差积累润题。使用T融器w融对lpCA故降维性§%进{亍了研究,发现尽管lPCA对信怠在主成分辛的分配与传统PeA不丽,餐释维焉麓够保赘足够抟缀分信息,与传统PCA的绪采无统计学差异。lPcA建我们改交传统PCA的纯数学处理,从其体化学问题的特点入手对数据艇阵实施正交分解的一个尝试,绪采表明这种尝试是成功的。第爨章楚对主因子数判凝方法的研究。曩测矩阵螅圭因子数对确定体系组分数、估计量测误差和降维都肖重要熬意义,鼹管这~阕题理论上并不复杂,而且也发展了不少羯据,值实际串由于嗓声、;#线性的影响,努嚣静判定方法串簿辩学技寒太学搏士学链论文一 一。一————w__●———¨———_———--—-_——_———●Ⅲ_-———__¨———_____-—__mH—_——___——●——Ⅷ_———^—————,_m——一~般需簧稳纛验{歪才髓给出较为可靠的结采。根据IA的基本思想,提出了一种基于免疫识别算法(Immune∞cog硝tionalgo矗t‰,lRA)鲢主困予数判叛方法。IA中的免疫思想使残差矩阵成为IRA的研究对象,通过亲合力数值的变化可以清楚螽羹分辨一系蠢残余矩阵,款雨褥到主因子数。通过模叛数瓣和实验数据对IRA进行了验证,著与其它几转常用的判别方法进褥了对比。结果表明,lRA判据明照,结果准确,特别是当其它方法处理实验数据不成功时,IRA均获得了正确翁主嚣子数,勇并IRA菲常燹敏,除褥播主翻子数外,还能够稳溺劐其它性质的因子数变化。第五章是对峰包含体系解析的研究。色谱中有一类特殊的羹叠情形:一个缱分的色谱蜂完全包含在另一个组分的色谱蜂中,遮被称为蜂包含体系。由于不害孥合“先出现,先漕失;磊爨褒,蘑消失”黪濒进特性,已有懿c瓢方法都无法完全解析这类体系。本章对这类体系进行了比较详细的理论分析,根摆直接求解旋转向星的恩路,将之转化为一个单交量的求解问题,并采用小波变换微分的方法进行分辨,从瑟摄如了一穆线。眭搜索(LS)载方法对这类体系遴孳亍解析。模拟数据验证结果表明,Ls方法具有过程简洁、抗噪声能力强、结果准确豹优点,可敬解祈其它分辨方法尚不能解析的类型。我们的磷究结果不仅迸一步揭示了峰包含体系的本质,焉虽为发展最终解聿厅方法提供了一个磷究方淘。Ⅱ壁坠型杰壁曼主塑笙壅ABSTRACTThetheoriesandapplicationsofseve列chemicalfactoranalysjs(CFA),monlyusedCFAmethodsareintro