تحلیل دادههای طیف سنجی با استفاده از مسئله بهینه سازی رگرسیون تابعی

تحلیل داده های تابعی برای توسعه رویکردهای آماری در دادههایی مورد استفاده قرار میگیرد که دارای ماهیت تابعی و پیوسته هستند و چون این توابع به فضاهای با بعد بینهایت تعلق دارند، استفاده از روشهای متداول در آمار کلاسیک برای تحلیل آنها، با چالش روبرو است. مشهورترین تکنیک تحلیل دادههای آماری، رویکرد مولفه های اصلی تابعی میباشد زیرا دادهها به فضاهای تابعی با بعد بینهایت تعلق دارند پس برای تحلیل نیاز به کاهش بعد میباشیم. در این مقاله با حل مسئله بهینه سازی مولفه اصلی تابعی براساس جریمه مشتق دوم، ریج و لاسو در دادههای طیف سنجی، برآوردی مناسب برای متغیر وابسته و ضرایب تابعی بدست می آید.