123,123,123

內(nèi)容簡(jiǎn)介

　　為了提高HPLC-DAD數(shù)據(jù)分離的精度和效率，增強(qiáng)數(shù)據(jù)分離算法靈活性和適應(yīng)性，《HPLC-DAD數(shù)據(jù)分離模型及其求解算法研究》提出了一種新的矩陣分解算法。該方法基于色譜峰的形態(tài)特征，構(gòu)建參考曲線逼近色譜峰曲線；然后通過初始化得到參數(shù)群；接下來建立參數(shù)評(píng)價(jià)模型對(duì)各參考曲線進(jìn)行評(píng)估；接著，基于進(jìn)化計(jì)算和群智能的概念，設(shè)計(jì)參數(shù)尋優(yōu)算法，獲得優(yōu)化參數(shù)集合；最后，設(shè)計(jì)光譜估計(jì)器，計(jì)算各個(gè)成分的光譜曲線。

作者簡(jiǎn)介

暫缺《HPLC-DAD數(shù)據(jù)分離模型及其求解算法研究》作者簡(jiǎn)介

圖書目錄

第1章緒論
1．1 研究背景及意義
1．2 色譜分析方法原理及關(guān)鍵問題分析
1．3 研究現(xiàn)狀分析及本書的研究思路
1．4 本書的主要研究?jī)?nèi)容和章節(jié)安排
第2章基于參考曲線的HPLC-DAD數(shù)據(jù)分離方法研究與設(shè)計(jì)
2．1 基于參考曲線的HPLC-DAD數(shù)據(jù)分離方法框架設(shè)計(jì)
2．2 方法框架分析
2．3 本章小結(jié)
第3章曲線生成模型研究與設(shè)計(jì)
3．1 參考曲線約束的獨(dú)立成分分析模型設(shè)計(jì)
3．2 參考曲線測(cè)量模型設(shè)計(jì)
3．3 本章小結(jié)
第4章用于求解參數(shù)評(píng)價(jià)模型的多區(qū)域遺傳算法研究與設(shè)計(jì)
4．1 遺傳算法分析
4．2 多區(qū)域遺傳算法研究與設(shè)計(jì)
4．3 仿真實(shí)驗(yàn)研究與分析
4．4 HPLC-DAD數(shù)據(jù)實(shí)驗(yàn)研究與分析
4．5 本章小結(jié)
第5章用于求解參數(shù)評(píng)價(jià)模型的多目標(biāo)解粒子群優(yōu)化算法研究與設(shè)計(jì)
5．1 粒子群算法分析
5．2 多目標(biāo)解粒子群算法設(shè)計(jì)
5．3 深度搜索多目標(biāo)解粒子群算法設(shè)計(jì)
5．4 多子群粒子群算法設(shè)計(jì)
5．5 本章小結(jié)
第6章用于求解參數(shù)評(píng)價(jià)模型的并行非線性最小二乘算法研究與設(shè)計(jì)
6．1 非線性最小二乘算法分析
6．2 并行非線性最小二乘算法設(shè)計(jì)
6．3 仿真實(shí)驗(yàn)研究與分析
6．4 HPLC-DAD數(shù)據(jù)實(shí)驗(yàn)研究與分析
6．5 本章小結(jié)
第7章研究總結(jié)和展望
7．1 研究總結(jié)
7．2 展望
參考文獻(xiàn)