化学计量学中的二阶校正算法可以在有未知干扰的情况下,对感兴趣组分进行定量分析。二阶校正广泛应用于在环境、医药和食品等领域,并在传统化学检测的基础上提高了其检测的效率和准确率。二阶校正算法通过进行优化并衍生出许多针对不同问题的新算法,例如当色谱数据中出现较为严重的时间漂移和基线漂移情况时,则可以使用能容忍非线性问题的算法;当分析物的光谱轮廓十分相似时,则使用可以处理严重共线性问题的算法。另外模式识别是化学计量学中另外一种应用比较广泛的方向,其可以对研究对象进行判别分析以达到分类鉴别的效果。本论文通过将化学计量学中的二阶校正和模式识别方法应用于食品和中药中的鉴别和定量中,并进行如下研究:第二章:在本章中,作者使用交替三线性分解算法（ATLD）和多元曲线分辨-交替最小二乘算法（MCR-ALS）辅助高效液相色谱结合二极管阵列检测（HPLC-DAD）策略快速筛查和定量不同食品中非法添加的12种偶氮染料。在等度洗脱条件下,所有物质在6.5 min全部被洗脱出来。实验借助算法的二阶优势,可以解决分析体系中存在的干扰和物质峰重叠的问题。ATLD和MCR-ALS的平均加标回收率范围分别为82.8-111.5%和78.7-122.6%,其检测限（LOD）分别为0.01-2.56 mg kg-1和0.01-2.95 mg kg-1。实验结果表明两种算法对同时检测不同食品中偶氮染料具有实用价值,另外和其他HPLC方法相比所提方法可以灵活处理不同背景干扰,同时具有快速高效和环境友好的优势。第三章:在本章中,实验采用交替归一加权残差算法（ANWE）和展开的偏最小二乘/残差双线性算法（UPLS/RBL）两种化学计量学算法辅助激发发射矩阵荧光（EEM）对薄落回中药中的两种主要生物碱成分进行定量分析。在光谱严重重叠和其他成分干扰的情况下,所提方法通过利用数学分离来提高物理、化学分离的能力,实现感兴趣组分的快速准确定量分析。实验还对薄落回实际样中血根碱（SA）和白屈菜红碱（CHE）的浓度进行预测,经ANWE计算所得SA和CHE的含量（均值±标准偏差）分别为4.88±0.03 mg g-1和1.56±0.03 mg g-1,经UPLS/RBL计算所得SA和CHE的含量（均值±标准偏差）分别为4.99±0.01 mg g-1和1.71±0.02mg g-1。另外根据加标回收率和品质因子等实验结果,表明两种算法对SA和CHE的定量分析具有良好的表现。通过对比其他检测手段,本方法具有简便、快速以及绿色环保的特点。第四章:在本章中,作者通过EEM结合化学模式识别方法对青翘和老翘进行鉴别。实验首先采用主成分分析（PCA）和ANWE对EEM所测得的原始数据进行特征信息的提取,其中PCA选取前18个主成分以及ANWE选取5个组分数。之后将两种方法得到的特征数据分别进行层次聚类分析（HCA）来对45个样本鉴别。聚类结果表明ANWE-HCA的结果更佳,这得益于ANWE可以分解得到具有化学意义数据。另外实验还使用偏最小二乘判别分析（PLS-DA）对青翘和老翘进行分析,并从45个样本中选取36个样本作为训练集和9个样本作为测试集。当潜变量数为19时,使用留一法所得到的分类准确率（CCR）最佳,故在潜变量为19时建立模型。然后使用模型对交叉验证集、训练集和测试集进行预测,并得到CCR分别75.0%、100.0%和77.8%,另外还计算得到灵敏度和特异性,实验结果表明PLS-DA可以对青翘和老翘进行鉴别分析。