تحلیل داده های طیف سنجی با استفاده از مسئله بهینه سازی رگرسیون تابعی

تحلیل داده های تابعی برای توسعه رویکردهای آماری در داده هایی مورد استفاده قرار می گیرد که دارای ماهیت تابعی و پیوسته هستند و چون این توابع به فضاهای با بعد بی نهایت تعلق دارند، استفاده از روش های متداول در آمار کلاسیک برای تحلیل آن ها، با چالش روبرو است. مشهورترین تکنیک تحلیل داده های آماری، رویکرد مولفه های اصلی تابعی می باشد زیرا داده ها به فضاهای تابعی با بعد بینهایت تعلق دارند پس برای تحلیل نیاز به کاهش بعد می باشیم. در این مقاله با حل مسئله بهینه سازی مولفه اصلی تابعی براساس جریمه مشتق دوم، ریج و لاسو در داده های طیف سنجی، برآوردی مناسب برای متغیر وابسته و ضرایب تابعی بدست می آید.