用于谱恢复与校准的波段目标熵最小化与目标偏最小二乘
机器学习
2019-08-13 v2 应用统计
摘要
在未知混合物先验知识的情况下，从化学混合物测量中分辨并校准少数组分的纯光谱是一个具有挑战性的问题。本文结合波段目标熵最小化(BTEM)与目标偏最小二乘(T-PLS)，以真正逐次的方式估计单一纯组分光谱并校准这些估计值。该方法可在光谱数据中存在其他变化组分的情况下，靶向少数组分并估计其相对含量。T-PLS 估计是对 BTEM 方法的改进，因为它克服了在估计前需识别所有纯组分的需求。在一个简单的三组分混合物数据集上，该组合得到的估计量与标准方法多元曲线分辨-交替最小二乘(MCR-ALS)所得结果相近。来自两个实验数据集的研究表明，BTEM 与 T-PLS 的组合能够建模纯组分光谱并获得少数组分的浓度分布，而 MCR-ALS 则不能。
引用
@article{arxiv.1802.03839,
title = {Band Target Entropy Minimization and Target Partial Least Squares for Spectral Recovery and Calibration},
author = {Casey Kneale and Steven D. Brown},
journal= {arXiv preprint arXiv:1802.03839},
year = {2019}
}