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

连续小波变换-纯变量法解析气相色谱-质谱重叠信号

提出了连续小波变换-纯变量法(CWT-PVA)解析气相色谱-质谱(GC-MS)重叠信号的新方法.在CWT-PVA中,利用CWT对重叠色谱峰处理,得到重叠组分数目,再利用PVA解析重叠质谱数据,得到纯组分质谱信息,并进而计算出各组分色谱信息,在质谱和色谱两方面完成GC-MS重叠信号定性定量解析.结果表明,CWT-PVA是一种简便有效的GC-MS重叠信号解析方法.

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。对模拟信号和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。

小波变换—免疫算法用于重叠分析化学信号的解析

将小波变换与免疫算法结合,首先采用小波变换对原始信号进行数据压缩,然后采用免疫算法对压缩后的信号进行解析,从而使计算速度加快。对多组分核磁共振信号和二维重叠色谱信号的解析结果表明:小波变换—免疫算法可以方便地用于大数据量化学信号的解析,为快速复杂化学信号的解析提供了一种有效途径。

一种基于免疫算法的新型因子分析算法

基于免疫算法的基本思想 ,提出了新的免疫主成分分析法 (IPCA) ,该方法将免疫算法中抗体对抗原的消除运算应用于二维数据矩阵的正交分解 ,可得到矩阵的特征值和特征向量 .结果表明 ,IPCA与传统的主成分分析法比较 ,对 HPLC-DAD模拟信号的计算结果基本一致 .对 HPLC-DAD实验信号的解析结果表明 ,将 IPCA与窗口因子分析技术结合比传统的 WFA具有更强的解析能力 .