太赫兹波具备能量低、频谱宽、穿透性强以及特异性吸收等诸多优点,因此太赫兹频谱技术被广泛地应用于物质的分析与检测中。另一方面,机器学习方法具有无人工干预、自动化与规模化的优势。在机器学习的推动下,太赫兹频谱技术中的数据分析能力和应用范围得到了显著提升。但是在面对无标注类型的太赫兹频谱数据时,常用的机器学习方法受到了一定的限制。本论文将无监督机器学习领域中的因子分析法和独立成分分析法进行了扩展,使其适用于无标注的太赫兹频谱数据的分析中,构建了相应的太赫兹频谱分析方法,并在化合物分类鉴别、混合物定量以及污染物检测等方面进行了应用,取得了出色的效果。首先,本文将因子分析法进行扩展并应用于分子的太赫兹频谱分析,构建了太赫兹因子分析法。对于不同分子的太赫兹频谱,在建模过程中分子种类信息完全未知的情况下,使用因子分析方法完成了分子种类的确定,部分种类样品的分类可以达到90%的准确率。另外还得到了这些分子的共同因子,为分子微观结构的确定提供了频谱信息,并且可进一步用于新样品的分类鉴别。这为未知样品的分类与鉴别提供了新方法,尤其是在没有标注数据以及样本量小,无法使用常用的监督学习方法的情况下。其次,本文将独立成分分析法进行扩展并应用于混合物的太赫兹频谱分析,构建了太赫兹独立成分分析法。以奶粉与两种不同的添加物（葡萄糖与三聚氰胺）的混合物为样品,在建模过程中混合物的构成情况未知,使用独立成分分析方法可以有效地获得混合物的成分与含量信息,含量的相对误差在18%以内。同时还获取了各个成分的太赫兹频谱,与实验直接测得的频谱对比,吻合得非常好,可以进一步为混合物成分的种类鉴别提供基础。这为未知混合物的分析提供了新的解决思路,不需要人工分离出样品的成分再逐个进行测试,而是能够直接基于频谱数据进行混合物成分的分离与定量。最后,本文将因子分析法和独立成分分析法综合应用于太赫兹频谱分析,构建了太赫兹因子与独立成分综合分析法。实验以武汉地区大气污染物中总悬浮颗粒物为研究对象,进行了128天共4个月的观测,获得了污染物颗粒样品并测量得到它们的太赫兹频谱。在没有对污染物进行人工分离的情况下,只利用样品的直接测试数据即太赫兹吸收频谱矩阵,通过独立成分分析方法就可以得出4种主要成分的吸收谱,再与因子分析方法结合,确定了4种成分的种类;同时还获取了4种成分的含量随时间变化的曲线。与官方数据以及文献报道的数据比对之后,发现实验获得的成分的种类与含量基本相符。这为污染物的检测提供了更直接、快速和简便的分析方法。