小波变换和RBF网络用于模式法分解重叠色谱峰

将小波变换和神经网络相结合，研究色谱数据处理中分解重叠峰的新方法.首先利用小波变换多分辨分析和奇异性检测原理提取重叠色谱峰上的各特征点，构造反映重叠峰形状、位置和高度的5个无因次特征量，然后借助径向基函数(RBF)网络来表达重叠峰中子峰面积比和5个无因次特征量的映射关系，建立分解重叠色谱峰的模式识别模型.实验结果表明，采用训练好的RBF神经网络分解重叠色谱峰，准确度优于传统的垂线分割法，而且可实现对只有一个峰强极大点的肩峰型重叠峰的分解.     

基于小波变换的重叠色谱峰检测方法研究

为了构建一种色谱数据处理方法,可以同时解决包含肩峰的复杂重叠色谱峰群检测中的噪声滤除、基线校正和谱峰辨识等问题,作者利用小波变换多分辨分析及奇异性检测原理,提出了一种色谱信号处理的新方法.通过对仿真和实验数据处理的结果表明:该方法检测重叠色谱信号无须专门的滤波和基线校正步骤,可以确定出色谱图中包含肩峰在内的复杂峰群各特征点位置和峰形情况.用该方法开发的检测算法只需设置两个参数,方便了计算机的自动处理.     

旋转曲面变换PSO 算法解非线性最优控制问题

针对利用粒子群优化算法进行多极值点函数优化时,存在陷入局部极小点和搜寻效率低的问题.提出旋转曲面变换方法,将被优化函数映射到一个同胚曲面上.它将当前局部极小点变换为全局最大点,并保持被优化函数值在当前局部极小点以下部分的形状不变,从而克服陷入局部极小点的问题.最后将其用于解一个非线性系统的最优控制问题,实验结果证明了该方法的可行性和有效性.     

基团贡献法关联多环芳烃的反相高效液相色谱保留值

采用ＵＮＩＦＡＣ模型计算了苯、萘、芴、菲和芘多环芳烃在醇－水体系及正十八碳烷柱上的活度系数，采用多元线性回归法，关联并预测了多环芳烃－十八碳烷－醇－水体系的色谱保留值，相对误差小于±０．１。基团贡献法可用来关联并预测反相高效液相色谱保留值。     

基于旋转曲面变换的粒子群优化方法

针对粒子群优化算法(PSO)应用于多极值点函数易陷入局部极小值，提出旋转曲面变换(RST)方法.该方法通过将被优化函数映射到一个同胚曲面上，使当前局部极小点变换为全局最大点，并保持被优化函数值在当前局部极小点以下部分的数值不变.当检测到陷入局部极小时，根据具体的优化函数，选择适当的变换参数，进行RST变换，从而得到问题的全局解.并对四个不同的测试函数进行了数值计算实验.结果表明，对于高维函数，当迭代步数相同时，旋转曲面变换粒子群优化算法与其他两种粒子群优化算法相比，具有稳定性要好，收敛速度快.