由中石化石油化工科学研究院褚小立博士，中国农业大学黄越博士，海南大学云永欢博士，天津工业大学卞希慧博士撰写的英文专著《Chemometric Methods in Analytical Spectroscopy Technology》，近日由国际著名学术出版社Springer出版发行。
由中石化石油化工科学研究院褚小立博士，中国农业大学黄越博士，海南大学云永欢博士，天津工业大学卞希慧博士撰写的英文专著《Chemometric Methods in Analytical Spectroscopy Technology》，近日由国际著名学术出版社Springer出版发行。Springer出版社于1842年在德国柏林成立，以高质量科技出版物而闻名于世，是全球最大科技图书出版公司。该著作的出版发行，表明我国在光谱结合化学计量学分析技术领域所开展的工作，得到了国际学术界的认可。
化学计量学所有的研究内容，在光谱分析中几乎都有所涉及，但光谱分析又有其差异性和特殊性，相关研究和应用已形成了独有的完整体系。该著作全面、系统介绍了用于现代光谱分析的化学计量学方法，主要包括光谱预处理算法、变量选择算法、数据降维算法、线性和非线性多元定量校正算法、模式识别算法、校正样本选择算法、界外样本识别算法、模型更新与维护算法、多光谱融合算法、模型传递算法，尤其对近些年兴起的深度学习算法做了深入讲解。
该书的主要特点是从实用光谱分析技术的角度，阐述了各种算法的特点及最新进展，并对许多算法的改进和策略的延伸做了重点评述，为本领域的科研和应用人员提供了很多值得借鉴的新观点和新思路。
该著作的中文版《现代光谱分析中的化学计量学方法》也已于近期出版发行，该书由中石化石油化工科学研究院褚小立博士编著，我国化学计量学学科奠基人俞汝勤院士作序，刘文清院士和李培武院士推荐出版，化学工业出版社出版基金资助出版，全书共71万字。俞汝勤院士在序中提到：“本书的出版将会对该技术的进一步深入应用产生积极的推动作用。”
原创文章，作者：ifyoung，如若转载，请注明出处：https://www.drugfoodai.com/book-chemometrics.html
注意：本站原创指的是原创编译，并不主张对所介绍的工作的版权，如有侵权，请联系删除！
微信扫一扫 
支付宝扫一扫 相关推荐
-
中国农业科学院农业信息研究所樊景超研究员课题组：ITF-WPI 基于图像和文本的枸杞害虫识别跨模态特征融合模型
导读 2023年8月，中国农业科学院农业信息研究所樊景超研究员课题组在农业科学领域Top期刊Computers and Electronics in Agriculture（Q1，…
-
中国科学院蒋长龙团队:基于集成纸基传感器的便携式智能手机的无酶和快速视觉定量检测农药残留
今天介绍一篇由Qianru Zhang、蒋长龙等于2022年6月发表在Journal of Hazardous Materials上的一篇论文。该研究构建了一个简单、快速、可视化的无酶辅助的草甘膦(Gly)荧光定量检测平台。并且在设计的智能手机平台的辅助下制备了荧光试纸条，显示出作为便携式光学分析终端的潜力，用于定量跟踪真实样品中的Gly。该传感平台为Gly的定量检测提供了可靠的方法，可推广到分析科学领域的其他分析物或污染物筛选。
-
人工智能和机器学习在食品行业的机遇
今天介绍一篇近期由印度Graphic Era Hill University的Indrajeet Kumar等人发表于Journal of Food Quality的文章。文中通过文献对智慧农业、食品加工业中的人工智能、数据分析在食品行业中的作用、餐厅业务中的机器学习、食品安全中的人工智能进行了研究，并分析了人工智能和机器学习在食品行业的未来发展情况。
-
凉茶中农药及其转化产物的分析
今天介绍一篇来自国家环境保护新型污染物环境健康影响评价重点实验室卢大胜和汪国权等人于2022年2月发表在Food Chemistry（IF=7.514）上的文章。通过研究定位了来自中国两个主要产区的两种凉茶(菊花和冬青)中的农药和农药转化产品(PTPs), 揭示了凉茶中农药的概况，并为发现潜在的环境污染和食品污染物提供了新的视角。
-
多元素分析与化学计量学相结合的食品质量评价
这篇综述概述了2011年至2021年发表的关于食品认证和多元素成分质量控制的报告，以评估该领域的最新进展。并确定允许实现准确鉴别/分类模型的应用分析技术和化学计量学数据处理的主要特征，强调了这些方法的优缺点。
-
深度学习根据成分声明准确预测食品类别和营养成分
今天介绍一篇由Peihua Ma等人于2022年5月发表在Food Chemistry上的文章。本文作者提出了一种基于深度学习的通用技术来预测食物种类和营养成分。开发了一种食品配料语句嵌入方法，包括配料数据解析、数据采样、数据编码和配料语句张量表示，该方法也可应用于其他与食品语言数据处理相关的任务。随后，应用了四种最先进的深度学习模型，包括多层感知器（MLP）、递归神经网络（RNN）、卷积神经网络（CNN）和图形神经网络（GNN）。
-
基于机器学习的模式识别技术鉴别掺假油和食用油混合物
今天给大家介绍一篇由Kevin Lim等人近期发表在Nature Communications上的一篇研究型文章。文章提出了一种机器学习方法来发现脂肪酸的特定组成，以区分十种不同的植物油类型及其内部的变化。作者还描述了一种有监督的端到端学习方法，该方法可以推广到任何给定混合物的油组成。
-
Nature Food | 机器学习支持的无损纸质显色传感器检测食物中的污染源
这篇文章主要的研究目的是为了解决食物污染源的检测和识别中存在的问题。本文的最主要的创新点便是使用了神经网络作为数据处理方法，从而解决了使用PCA检测的问题。当然这篇文章同样值得我们学习的还有对于项目的深化，最终做到了实际应用的场景。
-
基于非靶向 HPLC-MS 的代谢组学方法揭示可可粉掺假
今天给大家介绍一篇由西班牙阿尔卡拉大学Maider Greño等人在Food Chemistry（IF=9.231）上在线发表的一篇的研究性文章。该文章提出了一种非靶向代谢组学方法，该方法基于反相液相色谱与高分辨率质谱联用来检测可可粉与一些最常用的可可掺假剂。
