【摘要】 独立成分分析(ICA)正在成为包括化学计量学在内的不同科学领域共同选择使用的一种方法。

独立成分分析(ICA)正在成为包括化学计量学在内的不同科学领域共同选择使用的一种方法。这种方法最初是在二十世纪九十年代由电信信号处理领域研究开发的，目前，它的应用领域已经扩展到存在“信号”概念的所有领域，例如在医学领域，脑电图分析、统计过程控制、分析化学、和代谢组学等。最近许多科研工作者报道了一些ICA的发展情况，例如在化学中，经常使用光谱技术分析样品（如红外光谱、荧光光谱和核磁共振），此类多维数据收集和分析依赖于化学计量学技术。

到目前为止，主成分分析（PCA）在化学计量方面得到了广泛的应用。然而，解释PCA载荷向量的过程通常不是那么简单，每个ICA“加载向量”（源信号）都可以描述一个独立的现象，各种向量相互组合，就会出现各种复杂的现象。有几种不同的算法可以计算独立分量(IC)，例如，FastICA、Infomax和特征矩阵的联合近似对角化(JADE)。Rutledge等人已经成功地将JADE应用于几种类型的测试数据(3D荧光数据、中红外光谱和质谱图)。与其他算法相比，JADE是基于矩阵计算的，涉及矩阵对角化，就像主成分分析、因子判别分析(FDA)和其他标准的化学计量学方法所做的那样，这是JADE算法的主要优势。其他算法(如，FastICA)依赖于优化过程，因此根据起点和搜索算法遵循的优化路径，可能会产生可变的结果。

 

科学指南针为您提供材料测试,主要业务范围包括XPS,普通XRD,透射电子显微镜TEM,全自动比表面及孔隙度分析BET等测试。