ベイズ的変数選択に基づく分光スペクトル分解

情報処理学会

書誌事項

タイトル別名
  • Spectral Deconvolution Based on Bayesian Variable Selection

この論文をさがす

抄録

分光学において，測定したスペクトルデータからピーク数・ピーク形状・各ピークのパラメータを推定することは，試料の物性を知るために重要なタスクである．この分光スペクトルのピーク分離に関してレプリカ交換モンテカルロ法によるベイズ的スペクトル分解が提案されており，人工および実データに対して適切にピークを分離できることが示されている．しかしこの手法ではモデル選択の方法に基づいてピーク数を推定するため，複数のモデルを事前に用意する必要があり，さらに計算時間も大きくなる問題がある．そこで本研究では先行研究のモデルを拡張し，ベイズ的変数選択法の枠組みで階層モデリングを適用することで，人工データに対してより高速なピーク数とピーク形状およびパラメータの同時推定が可能であることを示した．さらに提案手法による実データへの応用としてコランダムのラマンスペクトルの分析を行い，有効なピークを抽出できることを確認した．

In the field of spectroscopy, estimating the number of peaks and the shape and parameters of each peak from spectral data is a significant task. With respect to this task, Bayesian spectral deconvolution with replica exchange MCMC has been proposed and the effectiveness was shown. However, in Bayesian spectral deconvolution, we have to prepare multiple models and the computational time becomes large. Thus, in this study, we extended the previous model based on Bayesian variable selection, and we found that more efficient spectral deconvolution is possible for synthetic spectral data. In addition, we tried analyzing Raman spectrum of corundum and were able to extract valid peaks.

収録刊行物

関連プロジェクト

もっと見る

キーワード

詳細情報 詳細情報について

  • CRID
    1050282813364726400
  • NII論文ID
    170000150459
  • NII書誌ID
    AA11464803
  • ISSN
    18827780
  • Web Site
    http://id.nii.ac.jp/1001/00198099/
  • 本文言語コード
    ja
  • 資料種別
    article
  • データソース種別
    • IRDB
    • CiNii Articles
    • KAKEN

問題の指摘

ページトップへ