আমি যদি সংকেত উত্সের দুটি স্বতন্ত্র জনসংখ্যা একসাথে মিশ্রিত করি তবে আমি কি স্বাধীন উপাদান বিশ্লেষণ ব্যবহার করতে পারি?


10

আমি বুঝতে পারি (বেশিরভাগ ক্ষেত্রে) কীভাবে স্বতন্ত্র উপাদান বিশ্লেষণ (আইসিএ) এক জনসংখ্যার সিগন্যালের একটি সেটে কাজ করে, তবে আমার পর্যবেক্ষণে (এক্স ম্যাট্রিক্স) দুটি পৃথক জনসংখ্যার (বিভিন্ন উপায়ে থাকার) সংকেত অন্তর্ভুক্ত থাকলে এবং আমি এটি কার্যকর করতে ব্যর্থ হচ্ছি আমি ভাবছি যে এটি আইসিএর অন্তর্নিহিত সীমাবদ্ধতা বা আমি এটি সমাধান করতে পারছি কিনা। আমার সংকেতগুলি সাধারণ উত্স অনুসারে বিশ্লেষণ করা হওয়ার চেয়ে পৃথক যে আমার উত্স ভেক্টরগুলি খুব ছোট (উদাহরণস্বরূপ 3 টি মান দীর্ঘ) তবে আমার কাছে অনেকগুলি (যেমন 1000 এর) পর্যবেক্ষণ রয়েছে। বিশেষত, আমি 3 টি রঙে প্রতিদ্বন্দ্বিতা পরিমাপ করছি যেখানে ব্রড ফ্লুরোসেন্স সিগন্যালগুলি অন্য ডিটেক্টরগুলিতে "স্পিলওভার" করতে পারে। আমার 3 টি ডিটেক্টর রয়েছে এবং কণায় 3 টি বিভিন্ন ফ্লুরোফোর ব্যবহার করা হয়। এটিকে কেউ খুব দুর্বল রেজোলিউশনের বর্ণালী হিসাবে ভাবতে পারে। যে কোনও ফ্লুরোসেন্ট কণায় 3 টি পৃথক ফ্লুরোফোরের যেকোন একটির স্বেচ্ছাসেবী পরিমাণ থাকতে পারে। তবে আমার কাছে কণার মিশ্রিত সেট রয়েছে যাতে ফ্লুরোফোরগুলির আলাদা আলাদা ঘনত্ব থাকে। উদাহরণস্বরূপ, একটি সেটে সাধারণত প্রচুর ফ্লুরোফোর # 1 এবং সামান্য ফ্লুরোফোর # 2 থাকতে পারে, অন্য সেটটিতে # 1 কম এবং প্রচুর # 2 থাকতে পারে।

মূলত, আমি একটি ফ্লুরোফোর থেকে অন্য একটি সংকেতের সংকেতের যোগ করার চেয়ে প্রতিটি কণায় প্রতিটি ফ্লুরোফোরের প্রকৃত পরিমাণ অনুমান করার জন্য স্পিলওভার প্রভাবটি ডিকনভল করতে চাই to আইসিএর পক্ষে এটি সম্ভব হবে বলে মনে হয়েছিল, তবে কিছু উল্লেখযোগ্য ব্যর্থতার পরে (ম্যাট্রিক্স রূপান্তরটি জনসংখ্যাকে পৃথক করে সিগন্যাল স্বাধীনতার অনুকূলকরণের পরিবর্তে ঘোরানোর চেয়ে অগ্রাধিকার দেবে বলে মনে হচ্ছে), আমি ভাবছি যে আইসিএ সঠিক সমাধান নয় বা যদি আমার প্রয়োজন হয় এটিকে সমাধান করার জন্য আমার ডেটা প্রি-প্রসেস করুন।

1 টি ডাটা সেটে 2 জনসংখ্যার সাথে ফাস্টিকা অ্যালগরিদমের ফলাফল

গ্রাফগুলি সমস্যাটি দেখানোর জন্য ব্যবহৃত আমার সিন্থেটিক ডেটা দেখায়। 2 জনসংখ্যার মিশ্রণ নিয়ে গঠিত "সত্য" উত্সগুলি (প্যানেল এ) দিয়ে শুরু করে, আমি একটি "সত্য" মিশ্রণ (এ) ম্যাট্রিক্স তৈরি করেছি এবং পর্যবেক্ষণ (এক্স) ম্যাট্রিক্স (প্যানেল বি) গণনা করেছি। ফাস্টিকা এস ম্যাট্রিক্সের অনুমান করে (প্যানেল সিতে দেখানো হয়েছে) এবং আমার প্রকৃত উত্সগুলি অনুসন্ধান করার পরিবর্তে আমার কাছে মনে হয় যে এটি 2 জনসংখ্যার মধ্যে স্বীয়তা কমাতে ডেটাটি ঘুরিয়ে দেয়।

কোন পরামর্শ বা অন্তর্দৃষ্টি খুঁজছেন।

উত্তর:


1

ধারণাগতভাবে, আইসিএ কাজ করার জন্য, এটি একই ঘটনার এন পর্যবেক্ষণ প্রয়োজন এবং এটি এই সংকেতগুলি (মিশ্রণগুলি) <এন উপাদানগুলিকে পচানোর চেষ্টা করবে।

আপনার বিবরণ থেকে প্রতিটি সনাক্তকারী একটি পৃথক শক্তি কণা গণনা করছে। অর্থাৎ, "মিশ্রচারগুলি" ইতিমধ্যে তিনটি পৃথক সংকেত। উদাহরণটি বিবেচনা করুন যেখানে আপনি 2 টি পৃথক (পারস্পরিক স্বাধীন) শব্দ উত্সের মধ্যে পার্থক্য করার জন্য 4 টি পৃথক মাইক্রোফোনের রেকর্ডিং ব্যবহার করেন। এই ক্ষেত্রে প্রতিটি মাইক্রোফোন দুটি সাউন্ড উত্সের একটি (বিভিন্ন) যোগফল রেকর্ড করছে। আপনার ক্ষেত্রে, আপনি যে ঘটনাটি পর্যবেক্ষণ করছেন তার কারণে, প্রতিটি "মাইক্রোফোন" (সনাক্তকারী) দুটি উত্সের (বিভিন্ন) যোগফল রেকর্ড করছে না, বরং এটি প্রতিটি উত্স পৃথকভাবে রেকর্ড করে (বেশিরভাগ সময়)।

আপনি যেমন বর্ণনা করেছেন, কখনও কখনও, একই ইভেন্টটি একাধিক ডিটেক্টর (স্পিল-ওভার) দ্বারা রেকর্ড হতে পারে। এই ক্ষেত্রে, আপনি যদি আইসিএর সাথে জেদ করেন তবে এটির যোগফলকে পচানোর চেষ্টা করবে।

অতএব, সম্ভবত আপনার সহজ কিছু বিবেচনা করা উচিত, যেমন স্পিল-ওভারের পরিমাণের সূচক হিসাবে তিনটি পৃথক ডিটেক্টরগুলির প্রত্যেকটির দ্বারা রেকর্ড করা ইভেন্টগুলির মধ্যে ক্রস পারস্পরিক সম্পর্ক অর্জন।

তবে এক্ষেত্রে, পর্যবেক্ষণগুলির 1000 "ট্রিপল্ট" পরীক্ষা করার পরিবর্তে আপনি তিনটি পৃথক সময় সিরিজ তৈরি করেন। প্রতিটি ডিটেক্টরের ইভেন্টগুলি (সময়ে) বর্ণনা করে ডিটেক্টর প্রতি এক সময় সিরিজ।

আপনার ডিটেক্টর এবং অ্যাপারেটাস যদি দ্রুত পর্যাপ্ত হয় তবে এই সংকেতটি খুব দ্রুত ক্ষয়কারী ডালের সিরিজের মতো দেখাবে। যদি তা না হয় তবে আপনার সংকেতটি ডালের একটি ট্রেনের মতো দেখাবে যা সিস্টেমের আবেগের প্রতিক্রিয়ার সাথে মিশে যায় (একটি স্মুথ সংস্করণ)। উভয় ক্ষেত্রেই, যদি একই ইভেন্টটি একাধিক ডিটেক্টর দ্বারা সনাক্ত করা যায় তবে এই ডিটেক্টরগুলির আউটপুট একই সাথে স্তরে বৃদ্ধি পাবে (এবং ক্রস - পারস্পরিক সম্পর্ক বা অন্য কোনও রূপ সম্পর্কিত মেট্রিক) বৃদ্ধি পাবে। প্রথম ক্ষেত্রে (ফাস্ট সিস্টেম) যে বৃদ্ধি সনাক্ত করা সহজ হবে।

অতএব, সমস্যা এখন এক হয়ে দাঁড়িয়েছে যেখানে আপনাকে সিদ্ধান্ত নিতে হবে যে কোনও ডিটেক্টর সেই ইভেন্টটিকে সঠিকভাবে গণনা করার জন্য নির্ধারণ করবেন। আপনি এটি করতে পারেন এমন বেশ কয়েকটি উপায় রয়েছে (আইসিএ ব্যবহার না করে) তবে আপনাকে আপনার ডিটেক্টরের বর্ণনামূলক প্রতিক্রিয়া জানতে হবে (পালস প্রশস্ততা ভিএস শক্তি বা ভোল্টেজ আউটপুট ভিএস শক্তি)। এরপরে আপনি আপনার ডিটেক্টরের প্রতিক্রিয়ায় প্রতিটি ডালের জন্য "ওজন" সন্ধান করে গণনা করা কণাগুলির একটি ওজনযুক্ত যোগফল তৈরি করতে সক্ষম হবেন। অথবা আপনি ডালগুলিতে "উইন্ডো" প্রয়োগ করতে পারেন। এটি হ'ল ডিটেক্টরের শীর্ষ প্রতিক্রিয়ার চারপাশে একটি তীক্ষ্ণ প্রান্তের কথা বিবেচনা করুন এবং কেবল এমন ইভেন্টগুলি গণনা করুন যা এ জাতীয় (সাধারণত উচ্চ) ডাল উৎপন্ন করে। ডিটেক্টরের শীর্ষে পারফরম্যান্সের চারপাশে একটি সংক্ষিপ্ত অঞ্চল বিবেচনা করলে স্পিল-ওভার দ্বারা তৈরি (নিম্ন) ডালগুলি প্রত্যাখ্যান করবে।

আশা করি এটা কাজে লাগবে. আমি আশা করি আপনার কনফিগারেশনটি সঠিকভাবে বুঝতে পেরেছি।


0

এটি আপনার "সিগন্যালগুলি" আইসিএর জন্য উপযুক্ত টাইপ নয় বলে শোনাচ্ছে। তবে, মনে হচ্ছে আপনি ক্লাস্টারিং অ্যালগরিদমগুলি থেকে উপকৃত হতে পারেন, বিশেষত যদি আপনি প্রতিটি ফ্লুরোফোরের ধরণের প্রত্যাশিত স্বতন্ত্র সংকেত (শক্তি স্তর বা তরঙ্গদৈর্ঘ্য) জানেন। আপনি আদর্শ সিন্থেটিক ক্লাস্টার তৈরি করতে এবং এটির সাথে পর্যবেক্ষণের ডেটা সহ-গুচ্ছ করতে পারেন। ক্লাস্টার এবং অন্যান্য প্যারামিটারের পরিমাণ পৃথক করে আপনার প্রতিটি ফ্লুরোফোরের স্পিলের ওপরে অতিরিক্ত ক্লাস্টার হিসাবে একে অপরের মধ্যে পপআপ করতে সক্ষম হওয়া উচিত। বর্ণাল বা শ্রেণিবিন্যাসের ক্লাস্টারিং পদ্ধতিগুলি এর জন্য সেরা হতে পারে (কে-মানেগুলির বিপরীতে)।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.