文献

J-GLOBAL ID：201802285718074710   整理番号：18A0420307

スペクトルデータの分類のための最クラスタに基づく部分最小二乗判別分析【Powered by NICT】

Nearest clusters based partial least squares discriminant analysis for the classification of spectral data

著者 (4件)： Song Weiran (School of Computing and Mathematics, Ulster University, BT37 0QB, Newtownabbey, Co. Antrim, UK) ,  Wang Hui (School of Computing and Mathematics, Ulster University, BT37 0QB, Newtownabbey, Co. Antrim, UK) ,  Maguire Paul (School of Engineering, Ulster University, BT37 0QB, Newtownabbey, Co. Antrim, UK) ,  Nibouche Omar (School of Computing and Mathematics, Ulster University, BT37 0QB, Newtownabbey, Co. Antrim, UK)
資料名： Analytica Chimica Acta  (Analytica Chimica Acta)
巻： 1009  ページ： 27-38  発行年： 2018年 
JST資料番号： A0394A  ISSN： 0003-2670  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： 部分最小二乗判別分析(PLS DA)は,スペクトルデータ解析のための最も効果的な多変量解析法の一つである潜在的変数を抽出し,応答を予測するために使用する。特に,高次元と共線スペクトルデータを取り扱うための有効な方法である。しかし,PLS-DAはデータ多様式,すなわち,データのクラス内マルチモーダル分布に対応していない。本論文では,マルチモダリティと非線形性問題を明確に対処するとスペクトルデータ分類にPLS-DAの性能を向上させるための最も近いクラスタに基づくPLS-DAが(NCPLS DA)と呼ばれる新しい手法を提案した。新しい方法を階層的クラスタリングを適用した試料をクラスタにし,各クラスタの中心を計算する。与えられた質問点のために,その中心はこのような問合せ点に最も近いクラスタのみがPLS-DAに使用されている。このような方法は,マルチモーダル及び非線形クラスを分離した局所線形及び単一モードクラスタへの簡単で効果的なツールを提供することができる。12UCIおよび5スペクトルデータセットを含む,17データセット上での実験結果により,NCPLS DAは時間の大部分を,すなわち,PLS-DA,カーネルPLS-DA,PLS-DAおよびk-NN,最高の分類精度を達成する4ベースライン法より優れていることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 線形性 ,  *スペクトル ,  クラスタ化 ,  非線形性 ,  単一モード ,  *部分最小二乗法 ,  多変量解析 ,  *判別分析 ,  *クラスタ ,  高次元 ,  パターン認識 ,  多モード
準シソーラス用語： 分類精度 ,  階層的クラスタリング ,  *スペクトルデータ , 【Automatic Indexing@JST】

著者キーワード (5件)： 部分最小二乗法 ,  クラスタリング ,  Nonlinearity ,  マルチモダリティ ,  スペクトルパターン認識

分類 (3件)： ぶどう酒  (FK04024X) ,  物理分析一般  (CC03011F) ,  有機化合物の物理分析  (CC03034A)

タイトルに関連する用語 (5件)： スペクトルデータ ,  分類 ,  クラスタ ,  部分最小二乗 ,  判別分析