化学计量学新方法的研究一直是化学计量学的热点和推动力，它们不断改变着化学量测的面貌，推动着化学量测的发展。在发展化学计量学方法的过程中，分析化学工作者不断将在统计学、模式识别、图像分析等领域的数据分析方法，引入分析化学进行化学量测数据分析处理。非负矩阵因子分解是一种针对黑色体系的数据分析方法。与传统的化学计量学方法不同，它在非负数据分解中采用了乘法更新公式，无需再采用其它的方法加以限制，就能保证解析结果非负。对于不含有负值的化学量测信号而言，NMF分解产生的“非负”的因子矩阵有可能线性表征化学波谱信号，具有比较直接的物理化学意义。NMF是基于矩阵元素的点对点的标量计算，而不是像SVD分解那样的向量计算。所以，NMF分解结果更有可能表征数据的局部特征。本文的主要研究目标就是对非负矩阵因子分解进行理论和应用研究，将其引入化学计量学进行化学波谱解析。研究工作包括以下几方面的内容：基本原理与算法：非负矩阵因子分解(NMF)是在“非负”限制约束条件下的一种矩阵分解方法。它的基本思路是把一个非负矩阵分解成两个非负因子矩阵的线性组合，通过少数几个变量来表征原始数据。同PCA相类似，它也是一种多元统计分析方法，有可能将其引入分析化学计量学进行实验数据分析处理。NMF算法改进：根据化学波谱的特征(如色谱的单峰性、光谱的平滑性以及质谱的稀疏性)对NMF算法进行了改进，减小了可行性解域的范围。NMF应用研究：探讨了化学波谱解析的条件，应用NMF进行了模拟数据和实际样品的波谱解析。NMF与其他曲线分辨方法比较：将NMF与两种广泛应用的化学计量学方法—直观推导演进特征投影(HELP)和交替最小二乘(MCR-ALS)进行了比较。