کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7562131 | 1491505 | 2018 | 14 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Hierarchical mixture of linear regressions for multivariate spectroscopic calibration
ترجمه فارسی عنوان
ترکیب سلسله مراتبی رگرسیون های خطی برای کالیبراسیون طیفی چند متغیره
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
طیف سنجی نزدیک به مادون قرمز، کالیبراسیون چند متغیره، رگرسیون حداقل مربعات جزئی، ترکیبی سلسله مراتب خطی، حداکثر انتظارات، استنتاج متغیر
موضوعات مرتبط
مهندسی و علوم پایه
شیمی
شیمی آنالیزی یا شیمی تجزیه
چکیده انگلیسی
This paper investigates the use of the hierarchical mixture of linear regressions (HMLR) and variational inference for multivariate spectroscopic calibration. The performance of HMLR is compared to the classical methods: partial least squares regression (PLSR), and PLS embedded locally weighted regression (LWR) on three different NIR datasets, including a publicly accessible one. In these tests, HMLR outperformed the other two benchmark methods. Compared to LWR, HMLR is parametric, which makes it interpretable and easy to use. In addition, HMLR provides a novel calibration scheme to build a two-tier PLS regression model automatically. This is especially useful when the investigated constituent covers a large range.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Chemometrics and Intelligent Laboratory Systems - Volume 174, 15 March 2018, Pages 1-14
Journal: Chemometrics and Intelligent Laboratory Systems - Volume 174, 15 March 2018, Pages 1-14
نویسندگان
Chenhao Cui, Tom Fearn,