WalkingComputer的博客

论文使用PCR-EEM(主成分回归-激发发射矩阵)方法对16种参考PAH(多环芳烃)的浓度进行了预测，R2=0.976。

首先收集4个不同来源的公开光谱数据集，然后使用主成分分析-线性判别分析（PCA-LDA）、偏最小二乘判别分析（PLSDA）建立识别模型。最后对分类结果进行分析比较。

目前结合三维荧光图像与CNN的研究很多。本实验使用VGG16网络对三维荧光数据进行分类，使用改进的VGG11网络拟合荧光组分。

实验设定日立F-4700FL为荧光分光光度计，可输出三维光谱扫描结果到计算机。D和L为两种化合物。对4种不同的溶液进行三维光谱扫描，得到的光谱文件如下。溶质光谱文件无K.txtDD.txtLL.txtD+LH.txt光谱文件（txt）的内容格式如下。Sample: ...File name: ...Run date: ...Operator: ...Comment: ...Instrument...Instrument pa

本文介绍一种基于EEM的饮用水中有机污染物检测新方法，该方法适用于在水质背景波动的情况下，低浓度分析物的光谱信号较弱的情况。首先使用CAE降低EEM的维数并从中提取多层特征，接着使用XGBoost分类器来识别有机污染物。

本文开发了一个基于深度学习方法的快速荧光识别网络模型，通过简单地输入单个3D-EEM光谱来快速预测荧光成分的数量和光谱。

数据预处理是对荧光EEM进行PARAFAC分析的必要准备步骤。 所有EEM都包含瑞利和拉曼散射，去除散射的过程称为平滑。

MATLAB的N-way工具箱提供了一组函数和算法，利用一些多线性模型来对多维数据集进行建模。开发环境：MATLAB 5.x支持的约束：非负、单峰工具箱下载：https://ucphchemometrics.com/wp-content/uploads/2023/09/Nway-Version-3.5.zip在线教程：https://ucphchemometrics.com/n-way-course/本文余下部分为教程笔记。

本文介绍了PARAFAC的多维分解方法及其在化学计量学中的应用。PARAFAC是PCA向高阶数组的推广，但该方法的一些特性与普通的二维情况截然不同。例如，可以从多维光谱数据中恢复出纯光谱。