Preview

Журнал прикладной спектроскопии

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

БЫСТРЫЕ МЕТОДЫ СНИЖЕНИЯ РАЗМЕРНОСТИ СПЕКТРАЛЬНЫХ ДАННЫХ ДЛЯ ИХ ОБРАЗНОЙ ВИЗУАЛИЗАЦИИ

Полный текст:

Аннотация

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.

Об авторах

В. А. Вагин
Научно-технологический центр уникального приборостроения Российской АН
Россия


А. Е. Краснов
Центр реализации государственной образовательной политики и информационных технологий
Россия


Д. Н. Никольский
Центр реализации государственной образовательной политики и информационных технологий
Россия


Список литературы

1. A. E. Krasnov, S. A. Krasnikov, E. A. Chernov. Materials Int. Sci.-Pract. Conf. “Innovative Information Technologies”, 2, section 2, 21-25 April 2014, Prague, Moscow, HSE (2014) 664-670

2. Е. А. Чернов. Метод сжатия и визуализации обобщенных спектральных данных объектов пищевой и химической промышленности, дис.. канд. техн. наук, Москва, МГУТУ им. К. Г. Разумовского (2014) 6-8

3. A. E. Краснов, С. А. Красников, А. В. Воробьева, Ю. Г. Кузнецова, Н. А. Краснова, Д. Ю. Анискин. Основы спектральной компьютерной квалиметрии жидких сред, Москва, Юриспруденция (2006) 135-161

4. А. А. Балашов, В. А. Вагин, И. С. Голяк, А. Н. Морозов, А. И. Хорохорин. Журн. прикл. спектр., 84, № 4 (2017) 643-647 [A. A. Balashov, V. A. Vaguine, Il. S. Golyak, A. N. Morozov, A. I. Khorokhorin. J. Appl. Spectr., 84 (2017) 664-667]

5. А. К. Жерносек, И. Е. Талуть. Аналитическая химия для будущих провизоров. Часть 1. Учебное пособие, Витебск, ВМГУ (2003) 282-309

6. Д. В. Бельков, Е. Н. Едемская. Наук. праці ДонНТУ, Сер. Інформ., кіберн. обчисл. техн., 16, № 204 (2012) 21-27

7. С. А. Лысенко, М. М. Кугейко. Журн. прикл. спектр., 80, № 3 (2013) 432-441 [S. А. Lisenko, М. М. Kugeiko. J. Appl. Spectr., 80 (2013) 419-428]

8. Г. Б. Толсторожев, М. В. Бельков, И. В. Скорняков, В. А. Бутра, В. И. Пехньо, А. Н. Козачкова, Н. И. Царик, И. П. Куценко, Н. И. Шарыкина. Журн. прикл. спектр., 81, № 3 (2014) 444-450 [G. B. Тоlstorozhev, М. V. Bel’kov, I. V. Skornyakov, V. А. Butra, V. I. Pekhnyo, А. N. Kоzachkova, N. I. Tsarik, I. P. Kutsenko, N. I. Sharykina. J. Appl. Spectr., 81 (2014) 463-469]

9. В. С. Бураков, А. В. Буцень, В. В. Кирис, Н. В. Тарасенко. Журн. прикл. спектр., 80, № 4 (2013) 604-609 [V. S. Burakov, A. V. Butsen, V. V. Kiris, N. V. Tarasenko. J. Appl. Spectr., 80 (2013) 589-594]

10. А. А. Балашов, В. А. Вагин, А. В. Висковатых, Г. А. Капралова, В. В. Крадецкий, А. И. Хорохорин, А. М. Чайкин. Журн. прикл. спектр., 80, № 1 (2013) 149-151 [A. A. Balashov, V. A. Vagin, A. V. Viskovatykh, G. A. Kapralova, V. V. Kradeckiy, A. I. Khorokhorin, A. M. Chaikin. J. Appl. Spectr., 80 (2013) 145-147]

11. М. Ю. Доломатов, Г. У. Ярмухаметова, М. М. Доломатова. Журн. прикл. спектр., 84, № 1 (2017) 132-137 [M. Yu. Dolomatov, G. U. Yarmuhametova, M. M. Dolomatova. J. Appl. Spectr., 84 (2017) 114-119]

12. М. Ю. Доломатов, Г. У. Ярмухаметова, М. М. Доломатова. Журн. прикл. спектр., 85, № 3 (2018) 443-447 [M. Yu. Dolomatov, G. U. Yarmuhametova, M. M. Dolomatova. J. Appl. Spectr., 85 (2018) 452-456]

13. А. Л. Куракин, В. А. Левченко, Л. И. Лобковский. Журн. прикл. спектр., 80, № 6 (2013) 913-919 [A. L. Kurakin, V. A. Levchenko, L. I. Lobkovsky. J. Appl. Spectr., 80 (2013) 905-911]

14. Г. Г. Райкунов, В. Л. Щербаков, С. И. Турченко, Н. А. Брусничкина. Гиперспектральное дистанционное зондирование в геологическом картировании, Москва, Физматлит (2014) 26-89

15. Б. Е. Мошкин, А. В. Григорьев, В. А. Вагин, А. В. Шакун, Д. В. Пацаев, А. В. Жарков. ПТЭ, № 6 (2017) 45-51

16. А. И. Орлов. Науч. журн. КубГАУ, № 119(05) (2016) 1-16

17. В. Ю. Яньков, Е. А. Чернов. Технологии XXI века в легкой промышленности (электронное научное издание), № 7, часть II, раздел 4, статья № 9 (2013) 1-6

18. В. В. Цаплин, В. Л. Горохов, В. В. Витковский. Программные продукты и системы, № 3 (107) (2014) 22-25

19. C. Хайкин. Нейронные сети: полный курс - Neural Networks: A Comprehensive Foundation, 2-е изд., Москва, Вильямс (2006) 509-572

20. В. Г. Манжула, Д. С. Федяшов. Фундамент. исслед., № 4 (2011) 108-115

21. А. Е. Краснов, Ю. Л. Сагинов, Н. А. Феоктистова. Приложение к журналу “Качество. Инновации. Образование”, 2, № 5 (2015) 97-108

22. Ю. Е. Воскобойников. Фильтрация сигналов и изображений: фурье и вейвлет алгоритмы (с примерами в Mathcad), Новосибирск, изд-во НГАСУ (2010) 86-89

23. P. S. Addison. Physiol. Meas., 26 (2005) 155-199

24. Д. В. Аносов. Дифференциальные уравнения: то решаем, то рисуем, Москва, изд-во МЦНМО (2008) 40-70

25. А. Е. Краснов, И. Н. Компанец. Радиотехника, № 1 (2000) 55-60

26. А. А. Балашов, В. А. Вагин, С. А. Подлепа, М. А. Шилов. Физические основы приборостроения, № 1 (2011) 122-131

27. В. А. Вагин. ИК Фурье-спектрометры для научных исследований и применений, дис.. д-ра техн. наук, Москва, НТЦ УП РАН (2009) 65-82

28. А. Е. Краснов, Д. Н. Никольский, А. А. Калачев. Способ нейроподобного снижения размерности оптических спектров, патент РФ № 2 635 331, Бюл. № 31 (2017)

29. А. Е. Краснов, Д. Н. Никольский, А. А. Калачев. Снижение размерности спектральных данных нейроподобным алгоритмом, св-во о гос. рег. программы для ЭВМ, РФ, № 2017612195 (2017)

30. K. G. Jayanta, D. Mohan, S. Tapas. An Introduction to Bayesian Analysis. Theory and Methods, New York, USA, Springer Science+Business Media (2006) 23-26

31. В. П. Боровиков. STATISTICA. Искусство анализа данных на компьютере, 2-е изд., Москва-Санкт-Петербург, ПИТЕР (2003) 409-504

32. A. E. Krasnov, E. N. Nadezhdin, V. S. Galayev, E. A. Zykova, D. N. Nikol’skii, D. S. Repin. Int. J. Appl. Eng. Res., 13, N 8 (2018) 5647-5654

33. А. Е. Краснов, В. М. Смирнов. Способ управления созданием нанокристаллических структур на основе распознавания их оптических спектров, патент РФ № 2657101, бюл. № 16 (2018)

34. V. S. Galayev, A. E. Krasnov, D. N. Nikol’skii, D. S. Repin. Int. J. Appl. Eng. Res., 12, N 21 (2017) 10781-10790

35. А. А. Балашов, В. А. Вагин, Б. Е. Мошкин, В. И. Котлов, О. В. Хитров, А. И. Хорохорин. ПТЭ, № 1 (2008) 179

36. Laurens van der Maaten. J. Machine Learning Res., N 9 (2008) 2579-2605


Для цитирования:


Вагин В.А., Краснов А.Е., Никольский Д.Н. БЫСТРЫЕ МЕТОДЫ СНИЖЕНИЯ РАЗМЕРНОСТИ СПЕКТРАЛЬНЫХ ДАННЫХ ДЛЯ ИХ ОБРАЗНОЙ ВИЗУАЛИЗАЦИИ. Журнал прикладной спектроскопии. 2019;86(1):116-121.

For citation:


Vagin V.A., Krasnov A.E., Nicol’Skii D.N. FAST METHODS OF REDUCING THE DIMENSION OF SPECTRAL DATA FOR THEIR IMAGING VISUALIZATION. Zhurnal Prikladnoii Spektroskopii. 2019;86(1):116-121. (In Russ.)

Просмотров: 77


ISSN 0514-7506 (Print)