Разработаны быстрые методы снижения размерности спектральных данных, таких как данные ИК спектроскопии, хроматографии и т. д. В отличие от широко известных методов проецирования данных с размерностью N отсчетов в пространства меньшей размерности, имеющих вычислительную сложность порядка N´N, пропорциональную размерности ковариационных матриц данных, для снижения трудоемкости предлагается использовать новые методы, реализуемые в скользящем окне в n отсчетов. В результате быстрые методы имеют вычислительную сложность порядка n´N. Приводятся результаты компьютерных экспериментов по уменьшению размерности ИК спектров автомобильных бензинов. Задача понижения размерности ИК спектров актуальна как для их наглядной образной визуализации, так и для уменьшения мультиколлинеарности и снижения влияния шума при моделировании поведения или анализа параметров, зависящих от спектральных характеристик.
Fast methods for reducing the dimensionality of spectral data are developed. In contrast to the widely known methods of projecting data with a N dimension into spaces of a smaller dimension having a computational complexity of N´N order proportional to the dimension of the covariance data matrices, it is proposed to use new methods to reduce the complexity. They are feasible in a sliding window in n of counts. As a result, fast methods have the computational complexity of n´N order. The results of computer experiments of reducing the dimensionality of the IR spectra of automobile gasolines are represented. The problem of reducing the dimension of IR spectra is topical for their visualization as well as for decreasing the multicollinearity and the influence of noise while modeling the behavior or analysis of parameters depending on the spectral characteristics.
The authors declare that there are no conflicts of interest present.