view in publisher's site

Independent Component Analysis in Analytical Chemistry

Independent component analysis (ICA) is a statistical method for blind source separation (BSS) which means finding linear combination of independent (or least dependent) non-Gaussian pure profiles. In this regard, ICA can be considered as a member of soft modeling techniques for signal decomposition. The obtained components by ICA are chemically interpretable and useful for qualitative and quantitative analysis of multi-component mixtures without prior information about the sources. As a consequence, ICA can be used for classification, calibration and resolution. In this article, commonly used ICA algorithms and recent ICA applications in chemistry for qualitative and quantitative analysis will be discussed.

آنالیز اجزا مستقل در شیمی تحلیلی

تحلیل مولفه مستقل (ICA)یک روش آماری برای جداسازی منبع کور (BSS)است که به معنی یافتن ترکیب خطی پروفایل های خالص غیر گاوسی مستقل (یا کم‌تر وابسته)است. در این راستا، ICA می‌تواند به عنوان عضوی از تکنیک‌های مدل‌سازی نرم برای تجزیه سیگنال در نظر گرفته شود. اجزای به‌دست‌آمده توسط ICA از نظر شیمیایی قابل تفسیر هستند و برای تجزیه و تحلیل کیفی و کمی مخلوط‌های چند جزیی بدون اطلاعات قبلی در مورد منابع مفید هستند. در نتیجه می توان از ICA برای طبقه‌بندی، درجه‌بندی و تفکیک استفاده کرد. در این مقاله، معمولا از الگوریتم های ICA استفاده می‌شود و کاربردهای اخیر ICA در شیمی برای آنالیز کمی و کیفی مورد بحث قرار خواهد گرفت.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.