文献

J-GLOBAL ID：201702247034869011   整理番号：17A1568800

質量分析データの次元縮小のための方法としての共同スパース信号の圧縮センシング【Powered by NICT】

Compressive sensing of jointly sparse signals as a method for dimensionality reduction of mass spectrometry data

著者 (3件)： Awedat Khalfalla (Department of Computer Science, Pacific Lutheran University, Tacoma, WA, USA) ,  Alajmi Masoud (Department of Computer Engineering, Taif University, Taif, KSA) ,  Springstead James R. (Chemical and paper engineering, Western Michigan University, Kalamazoo, MI)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EIT  ページ： 080-085  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 質量分析(MS)は,分子分析のための化学的及び生物医学的応用に適用される技術である。MSデータは,三次元(3D)データセットとして表現できることを非常に高い次元を持っている。本論文では,3Dデータ構造を利用し,MSデータの次元縮小のための圧縮センシング(CS)の有効なモデルを提案した。大セットMSデータのデータ回復の高品質を有意に減少させることができる。信号のスパース性は共通の位置で発生する回復法は複数の測定ベクトル(MMV)の関節スパース信号としてMSデータのクラスタリングに基づいている。MSデータ取得過程で考慮した。結果は高次元とMSデータを低次元データ集合から品質劣化で回収できないことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 高次元 ,  モデル ,  *質量分析 ,  ベクトル ,  *次元縮小 ,  データ収集 ,  三次元
準シソーラス用語： 品質劣化 ,  低次元 ,  スパース性 ,  データ復元 ,  三次元データ ,  生物医学的応用 ,  *圧縮センシング ,  *スパース信号 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 質量分析 ,  次元縮小 ,  共同 ,  スパース信号 ,  圧縮センシング