1) fixed size moving window evolving factor analysis
固定尺寸移动窗口渐进因子分析法
1.
The fat-soluble components of salvia miltiorrhiza bunge which were extracted by supercritical CO_ 2 extraction method were separated by high performance liquid chromatography-diode array detection isocratic elution , then heuristic evolving latent projection and fixed size moving window evolving factor analysis were used to resolve overlapping peaks of the chromatogram.
采用超临界CO2萃取方法对丹参中的脂溶性成分进行提取,利用高效液相等度分离方法对丹参脂溶性成分进行分离,再结合启发渐进式特征投影法和固定尺寸移动窗口渐进因子分析法对未能完全分离的重叠峰进行解析,得到了比较满意的结果。
2) sectional moving window factor analysis-heuristic evolving latent projection(SMWFA-HELP)
固定窗口因子分析-直观推导式演进特征投影法
3) sectional moving window factor analysis
部分移动窗口因子分析
4) alternation moving window factor analysis
转换移动窗口因子分析
5) Alternative moving window factor analysis(AMWFA)
交互移动窗口因子分析法(AMWFA)
6) alternative moving window factor analysis
交互移动窗口因子分析法
1.
Analysis of common volatile constituents in herbal pair(HP) Chuanxiong Rhizome(CXR)-Notoperygium root(NR) and its single herb was performed by the method of alternative moving window factor analysis(AMWFA).
利用气相色谱-质谱法分离检测药对川芎-羌活、单味药川芎和羌活的挥发油成分,再采用交互移动窗口因子分析法对药对川芎-羌活与单味药川芎、羌活挥发油成分的共有组分进行了分析,并采用总体积积分法定量。
2.
According to complexity of Chinese herbal medicine,the GC-MS data was resolved by Alternative Moving Window Factor Analysis method,in order to corroborate the retention time and mass spectrum information of common compounds between these two close systems.
本文采用交互移动窗口因子分析法(AWMFA),对野生和栽培麻黄挥发油的数据体系进行了解析和比较分析,成功地分辨出46个色谱峰,其中13个为共有组分,并得到了准确的定性、定量结果。
补充资料：渐进因子分析
分子式：
CAS号：
性质： 一种无模型因子分析技术。对来自某一渐进化学过程的数据矩阵进行重复本征分析是此技术的基础。主要包括正向和反向渐进因子分析两个过程。对一系列数据矩阵(如在渐进过程中连续地将光谱增加至先前的数据矩阵中而构成)进行本征分析，当一个新的吸光物种开始出现时，从误差本征值集中展现出一个本征值，其值的增大与新物种对被增大的矩阵的贡献有关，这一过程称为正向渐进因子分析。反向渐进因子分析则从最后两条光谱数据开始本征分析，按收集光谱数据的相反顺序连续地将光谱数据逐条地增加至先前的数据矩阵去重复进行本征分析，展现出的系列本征值标示出相应的系列吸光物种的消失。将正、反向过程所得的本征值作为渐进变量(如pH值)的函数在同一图上作图。假如在整个渐进过程中所研究体系存在n个吸光物种，则在第i条正向本征值曲线和第(n+1-i)条反向本征值曲线下面的两条曲线的共有区域描述出第i个吸光物种的浓度分布。此法在平衡常数的测定、色谱峰的解析等方面均已有成功的应用。
CAS号：
性质： 一种无模型因子分析技术。对来自某一渐进化学过程的数据矩阵进行重复本征分析是此技术的基础。主要包括正向和反向渐进因子分析两个过程。对一系列数据矩阵(如在渐进过程中连续地将光谱增加至先前的数据矩阵中而构成)进行本征分析，当一个新的吸光物种开始出现时，从误差本征值集中展现出一个本征值，其值的增大与新物种对被增大的矩阵的贡献有关，这一过程称为正向渐进因子分析。反向渐进因子分析则从最后两条光谱数据开始本征分析，按收集光谱数据的相反顺序连续地将光谱数据逐条地增加至先前的数据矩阵去重复进行本征分析，展现出的系列本征值标示出相应的系列吸光物种的消失。将正、反向过程所得的本征值作为渐进变量(如pH值)的函数在同一图上作图。假如在整个渐进过程中所研究体系存在n个吸光物种，则在第i条正向本征值曲线和第(n+1-i)条反向本征值曲线下面的两条曲线的共有区域描述出第i个吸光物种的浓度分布。此法在平衡常数的测定、色谱峰的解析等方面均已有成功的应用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条