手性药物联用色谱重叠峰的定性定量解析方法

将新近发展的非负矩阵因子分解法(NMF)与最小二乘相结合,提出一套对手性药物重叠峰的HPLC-DAD二维数据作化学波谱分辨和定量分析的方法。因无选择性检测波长,手性药物的重叠组分无法分别检测。本文首先应用NMF实现重叠峰的光谱色谱分辨,在此基础上,结合最小二乘拟合,实现了对重叠组分的同时定量。对实测体系手性药物盐酸舍曲林及顺式对映体重叠峰的分析．证明该解析方法与传统的垂直分割法相比,可获得更令人满意的结果,回收率在95．5-104．5％,符合仪器分析的要求。该方法在手性药物未完全分离的情况下,可获知在混合体系中手性药物及对映体量的多少,对手性药物进一步分离纯化有指导作用。表明化学计量学方法与现代分析手段有机结合,为手性药物等复杂体系的分析提供新途径。     

基于混合禁忌搜索算法的重叠色谱峰解析

结合模拟退火算法中的Metropolis准则和免疫进化算法巾产生优秀子代的思想,提出一种混合禁忌搜索算法,并根据指数修正的Gauss卷积模型,使用该算法解析计箅机模拟谱图和实验谱图中的重叠峰,结果该算法用于解析重叠色谱峰性能稳定,精度较高.     

修正高斯模型神经网络的色谱重叠峰解析

目的：研究色谱重叠峰解析新方法。方法：构造了以修正高斯模型（EMG）为基函数的径向基函数神经网络（EMG＿RBFNN）,在网络学习算法中提出采用基于共享小生境技术的约束最优保留两阶段遗传算法：结构学习和参数最速梯度下降进化,从而使EMG＿RBFNN具有结构学习能力 ,使该神经网络能够适应组分数未知的色谱重叠峰解析。尤其是在将气相和高效液相色谱EMG模型参数τ、σ和tR之间的近似线性关系作为可行域约束条件引入算法后,极大地限制了算法可行的解空间,减少了局部最优解出现的概率,提高了算法运行效率。结果：将此新方法分别应用于计算机仿真色谱和45例中药材HPLC,算法可以以较高的精度解析出仿真色谱,实际色谱峰解析也有很高的解析精度。结论：该方法非常适用于组分数未知的各种色谱（重叠）峰的解析。     

利用基于小波特征提取的网络模型解析色谱重叠峰

提出了一种新的色谱重叠峰解析模型——基于小波特征提取的RBF神经网络模型。首先利用小波变换奇异性的检测原理,从原始色谱信号中提取特征点,这些特征点蕴含了反映色谱峰形状的信息,包括重叠峰个数、保留时间等信息。由小波变换获得的特征点来确定RBF网络的隐节点数目和网络参数的初值,即将拐点对数作为隐节点数目,将峰宽估计值作为输出层连接权的初值,将峰高估计值作为隐节点宽度的初值。再用RBF网络来拟合原始重叠色谱信号,梯度下降法训练后获得的网络参数作为解析结果,实现了重叠色谱峰的分离。实验结果表明:本方法快速、准确、可靠,能有效解析未知组分数的重叠峰。     

联用色谱重叠峰的目标投影分辨

基于正交投影原理和局部主成分分析,建立了一种新的联用色谱重叠峰分辨方法：目标投影分辨法。该法能在有效地从多组分以谱重叠峰中分辨出目标组分的色谱与光谱,所得光谱与真实光谱十分十分吻合,色谱面积与组分浓度线性关系良好。     

修正高斯模型神经网络的色谱重叠峰解析

目的 :研究色谱重叠峰解析新方法。　方法 :构造了以修正高斯模型 (EMG)为基函数的径向基函数神经网络 (EMG-RBFNN) ,在网络学习算法中提出采用基于共享小生境技术的约束最优保留两阶段遗传算法 :结构学习和参数最速梯度下降进化 ,从而使EMG-RBFNN具有结构学习能力 ,使该神经网络能够适应组分数未知的色谱重叠峰解析。尤其是在将气相和高效液相色谱EMG模型参数τ、σ和tR 之间的近似线性关系作为可行域约束条件引入算法后 ,极大地限制了算法可行的解空间 ,减少了局部最优解出现的概率 ,提高了算法运行效率。　结果 :将此新方法分别应用于计算机仿真色谱和 45例中药材HPLC ,算法可以以较高的精度解析出仿真色谱 ,实际色谱峰解析也有很高的解析精度。　结论 :该方法非常适用于组分数未知的各种色谱 (重叠 )峰的解析     

小波特征提取和随机森林模型解析色谱重叠峰

针对神经网络算法在当前色谱重叠峰解析领域存在易过拟合、网络结构复杂、学习效率低等问题,引入了随机森林模型。利用gausl小波模拟原始信号导数,选取合适的尺度并提取信号的特征拐点;以特征点作为模型输入、子峰面积比作为输出,使用随机森林模型拟合两者之间的映射关系;采用交叉验证的方式确定随机森林模型的参数,并使用CART算法进行模型的构建和训练;一系列实验与现有方法的对比,证明了本文方法不仅能准确对特征拐点和子峰面积之间进行拟合,在模型训练时间上还具有很高的效率。     

样条卷积用于气相色谱重叠峰的分辨

本文采用了样条卷积（SC）的方法用以分辨重叠峰，通过这个方法考察了有机氯类农药DDT中的2个同分异构体P.P‘-DDD和O.P‘-DDT气相色谱重叠峰，结果表明信号峰的分辨率由处理前的0.840提高到处理后的1.496。     

演进特征投影和交替最小二乘法解析乙苯和二甲苯重叠色谱峰

色谱法测定乙苯和二甲苯时,各组分色谱峰相互重叠而影响测定结果。本文用高效液相色谱联用二极管阵列检测器(HPLC-DAD)测定乙苯和二甲苯,采集7．20-8．53min,205-235nm范围内的二维色谱数据,再用直观推导式演进特征投影法(HELP)和交替最小二乘法(ALS)计算,依靠乙苯、二甲苯各异构体之间紫外吸收光谱的微小差异,解析它们的重叠色谱峰。各组分浓度在1-50μg/mL,浓度比为1∶10范围内的分辨结果令人满意,分辨下限为0．2μg/mL,该法成功地用于大气环境中乙苯和二甲苯异构体的测定。结果表明：HELP结合ALS适用于解析色谱严重重叠的多组分体系。     

A Survey of Simple Geometric Primitives Detection Methods for Captured 3D Data

The amount of captured 3D data is continuously increasing, with the democratization of consumer depth cameras, the development of modern multi‐view stereo capture setups and the rise of single‐view 3D capture based on machine learning. The analysis and representation of this ever growing volume of 3D data, often corrupted with acquisition noise and reconstruction artefacts, is a serious challenge at the frontier between computer graphics and computer vision. To that end, segmentation and optimization are crucial analysis components of the shape abstraction process, which can themselves be greatly simplified when performed on lightened geometric formats. In this survey, we review the algorithms which extract simple geometric primitives from raw dense 3D data. After giving an introduction to these techniques, from the acquisition modality to the underlying theoretical concepts, we propose an application‐oriented characterization, designed to help select an appropriate method based on one's application needs and compare recent approaches. We conclude by giving hints for how to evaluate these methods and a set of research challenges to be explored.