复杂混合物光谱分析中的独立成分
化学物理
2010-09-08 v2 计算物理
数据分析、统计与概率
摘要
我们将两种“盲”光谱分解方法（MILCA和SNICA）应用于几种非平凡混合物类型的紫外吸收光谱的定量和定性分析。这两种方法都利用统计独立性的概念，旨在从线性混合物中重建最小依赖成分。我们研究了主要生态毒物（芳香烃和多环芳烃）、氨基酸以及一种兽药中复杂维生素混合物的混合物。MILCA和SNICA均能以与仪器噪声相当的最小误差恢复浓度和单个光谱。在大多数情况下，它们的性能与MCR-ALS、SIMPLISMA、RADICAL、JADE和FastICA等其他化学计量学方法相似或更优。这些结果表明，本研究中使用的ICA方法适用于实际应用。本文使用的数据以及用于重现论文图表的简单Matlab代码可在http://www.klab.caltech.edu/~kraskov/MILCA/spectra找到。
引用
@article{arxiv.1009.0534,
title = {Independent components in spectroscopic analysis of complex mixtures},
author = {Yulia B. Monakhova and Sergey A. Astakhov and Alexander Kraskov and Svetlana P. Mushtakova},
journal= {arXiv preprint arXiv:1009.0534},
year = {2010}
}
备注
22 pages, 4 tables, 6 figures