HPLC-DAD数据分离模型及其求解算法研究

　　为了提高HPLC-DAD数据分离的精度和效率，增强数据分离算法灵活性和适应性，《HPLC-DAD数据分离模型及其求解算法研究》提出了一种新的矩阵分解算法。该方法基于色谱峰的形态特征，构建参考曲线逼近色谱峰曲线；然后通过初始化得到参数群；接下来建立参数评价模型对各参考曲线进行评估；接着，基于进化计算和群智能的概念，设计参数寻优算法，获得优化参数集合；最后，设计光谱估计器，计算各个成分的光谱曲线。

暂缺《HPLC-DAD数据分离模型及其求解算法研究》作者简介

第1章 绪论
1．1 研究背景及意义
1．2 色谱分析方法原理及关键问题分析
1．3 研究现状分析及本书的研究思路
1．4 本书的主要研究内容和章节安排
第2章 基于参考曲线的HPLC-DAD数据分离方法研究与设计
2．1 基于参考曲线的HPLC-DAD数据分离方法框架设计
2．2 方法框架分析
2．3 本章小结
第3章 曲线生成模型研究与设计
3．1 参考曲线约束的独立成分分析模型设计
3．2 参考曲线测量模型设计
3．3 本章小结
第4章 用于求解参数评价模型的多区域遗传算法研究与设计
4．1 遗传算法分析
4．2 多区域遗传算法研究与设计
4．3 仿真实验研究与分析
4．4 HPLC-DAD数据实验研究与分析
4．5 本章小结
第5章 用于求解参数评价模型的多目标解粒子群优化算法研究与设计
5．1 粒子群算法分析
5．2 多目标解粒子群算法设计
5．3 深度搜索多目标解粒子群算法设计
5．4 多子群粒子群算法设计
5．5 本章小结
第6章 用于求解参数评价模型的并行非线性最小二乘算法研究与设计
6．1 非线性最小二乘算法分析
6．2 并行非线性最小二乘算法设计
6．3 仿真实验研究与分析
6．4 HPLC-DAD数据实验研究与分析
6．5 本章小结
第7章 研究总结和展望
7．1 研究总结
7．2 展望
参考文献