基于模糊逻辑的成像激光剥离傅里叶变换质谱数据分类
人工智能
2007-05-23 v1
摘要
已开发出一种基于模糊逻辑的分类引擎，用于对使用成像内部源傅里叶变换质谱仪(I^2LD-FTMS)获取的质谱进行分类。传统上，操作员会使用具有特定质量/电荷比(m/z)比值的离子相对丰度来对谱图进行分类。操作员通过将未知样本的谱图(m/z 相对于丰度)与来自已知样本的谱库进行比较来进行此操作。在I^2LD-FTMS成像应用中，自动定位和获取允许从大型网格中获取数据，这需要以每小时最多3600个谱图的速度进行分类以跟上数据获取。大量谱图在I^2LD-FTMS成像应用中生成的分类工作可以被替换为基于模糊规则库的分类器，如果操作员所使用的线索可以被封装。在本文中，我们为大型岩石基质中的矿物相 presenting 将语言规则翻译为模糊分类器。本文还描述了一种收集离子统计数据的方法，这些离子目前未被用于规则库中，但可能是用于使规则库更准确和更完整，或基于来自已知样本的数据构建新规则库的候选者。还提出了一种基于相邻样本分类来对低成员值谱图进行分类的空间方法。
关键词
引用
@article{arxiv.cs/0611085,
title = {Fuzzy Logic Classification of Imaging Laser Desorption Fourier Transform Mass Spectrometry Data},
author = {Timothy R. McJunkin and Jill R. Scott},
journal= {arXiv preprint arXiv:cs/0611085},
year = {2007}
}