文献

J-GLOBAL ID：201702255460457007   整理番号：17A1708486

EEMデータの分類のための変性と二次元判別分析とサポートベクトルマシンの比較【Powered by NICT】

Comparing unfolded and two-dimensional discriminant analysis and support vector machines for classification of EEM data

著者 (2件)： Morais Camilo L.M. (Biological Chemistry and Chemometrics, Institute of Chemistry, Federal University of Rio Grande do Norte, Natal 59072-970, RN, Brazil) ,  Lima Kassio M.G. (Biological Chemistry and Chemometrics, Institute of Chemistry, Federal University of Rio Grande do Norte, Natal 59072-970, RN, Brazil)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 170  ページ： 1-12  発行年： 2017年 
JST資料番号： E0150B  ISSN： 0169-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 三方向データは,化学的応用での使用が増加している。しかし,このタイプの元の寸法を維持のデータを分類する適切にできるアルゴリズムはほとんどない。アンフォールディング手順はデータの次元を減少させ,一次アルゴリズムを用いたその分類を可能にするために使用されている。本論文では,線形判別分析(2D PCA LDA),二次判別分析(2D PCA QDA),およびサポートベクターマシン(2D PCA SVM)と2次元主成分分析の修正版は三通りの化学データを分類するために提案されている。応用シミュレーションと三つの実データ集合の蛍光励起発光マトリックス(EEM)を用いて,二カテゴリー分類,提案したアルゴリズムの性能は通常のPCA-LDA,PCA QDAおよびPCA SVM変性議事録を用いて比較したに対して実施した。結果は2Dアルゴリズムを解析し,このタイプのデータを分類するためのその能力を示す四種のデータセットにおいて同等か優れた分類性能を持つことを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *二次元 ,  *判別分析 ,  *サポートベクトルマシン ,  励起 ,  デコンボリューション ,  発光 ,  蛍光 ,  シミュレーション ,  主成分分析 ,  アルゴリズム
準シソーラス用語： カテゴリー分類 ,  二次判別分析 ,  線形判別分析 , 【Automatic Indexing@JST】

著者キーワード (6件)： 二次元分類 ,  2D PCA LDA ,  2D PCA QDA ,  2D PCA SVM ,  3元データ ,  EEM

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (5件)： EEM ,  分類 ,  変性 ,  判別分析 ,  サポートベクトルマシン