中文

基于图的校正转移

机器学习 2021-03-24 v1 机器学习 统计方法学

摘要

将校正从主仪器转移到副仪器的问题,即校正转移(CT),在过去几十年中一直是化学计量学领域相当多的研究课题。当前最先进(SoA)的方法如(分段)直接标准化在存在合适转移标准时表现良好。然而,与校正样本具有相似(光谱)特征的稳定校正标准并不总是可得。为了实现使用任意校正标准的CT,我们提出了一种新颖的CT技术,该技术对偏最小二乘(PLS)目标函数采用流形正则化。具体而言,我们的方法强制要求在校正标准和副仪器上测得的校正标准在主校正模型的潜变量空间中具有(近乎)不变的投影。由此,我们的方法隐式地去除了X预测方向上的设备间差异,这与大多数采用对输入数据进行显式预处理的最先进技术形成对比。我们在著名的玉米基准数据集上测试了我们的方法,采用NBS玻璃标准光谱进行仪器标准化,并将结果与当前SoA方法进行比较。

关键词

引用

@article{arxiv.2006.00089,
  title  = {Graph-based calibration transfer},
  author = {Ramin Nikzad-Langerodi and Florian Sobieczky},
  journal= {arXiv preprint arXiv:2006.00089},
  year   = {2021}
}

备注

Preprint submitted to Journal of Chemometrics