Normalising the data is sometimes d

Normalising the data is sometimes deemed necessary after
baseline correction, depending on the degree of visible variation,
and usually amounts to standardising the area under each spectrum
by multiplying the intensity scale by an appropriate constant.
One particular limitation of this approach, as discussed in Arneberg
et al. (2007), is its vulnerability to heteroscedastic noise in peak
heights (i.e. the tendency for absolute measurement error to increase
as peak intensity increases, leading normalisation to ascribe
more importance to aligning the heights of larger peaks than smaller
peaks). They propose applying an nth root or logarithmic transformation
(see Kvalheim, Brakstad, & Liang, 1994) to the full
spectrum prior to normalisation. Such monotonic transformations
will tend to reduce the range of peak heights across the spectrum
and may therefore lead to improved normalisation (though at the
cost of the relationship between increasing peak height and
increasing component concentration in the sample).

ผลลัพธ์ (ไทย) 1:

Normalising ข้อมูลบางครั้งถือเป็นความจำเป็นหลังจากการแก้ไขพื้นฐาน ขึ้นอยู่กับระดับของการเปลี่ยนแปลงที่มองเห็นได้และโดยปกติการกำหนดมาตรฐานของพื้นที่ภายใต้คลื่นความถี่แต่ละยอดโดยระดับความเข้มคูณค่าคงเหมาะสมข้อจำกัดเฉพาะหนึ่งของวิธีการนี้ ตามที่กล่าวไว้ใน Arneberget al. (2007), เป็นช่องโหว่ใน heteroscedastic เสียงสูงความสูง (เช่นแนวโน้มสำหรับข้อผิดพลาดของการวัดที่แน่นอนเพื่อเพิ่มเป็นการเพิ่มความเข้มสูงสุด นำ normalisation ไปอ้างความสำคัญการจัดตำแหน่งความสูงของยอดเขาที่ใหญ่กว่าเล็กกว่ายอดเขา) พวกเขาเสนอการใช้เกิดขึ้นที่ n รากหรือการแปลงแบบลอการิทึม(ดู Kvalheim, Brakstad และ เหลียง 1994) อย่างเต็มที่คลื่นความถี่ก่อน normalisation แปลงดังกล่าวกแกนจะมีแนวโน้มที่จะ ลดช่วงของความสูงสูงสุดตลอดช่วงคลื่นและดังนั้นอาจทำการปรับปรุง normalisation (แม้ว่าในการต้นทุนของความสัมพันธ์ระหว่างการเพิ่มความสูงสูงสุด และเพิ่มความเข้มข้นของส่วนประกอบในตัวอย่าง)

ผลลัพธ์ (ไทย) 2:

Normalising ข้อมูลบางครั้งมีความจำเป็นหลังจาก
การแก้ไขพื้นฐานขึ้นอยู่กับระดับของการเปลี่ยนแปลงที่มองเห็น
และมักจะมีจำนวนถึงมาตรฐานในพื้นที่ในแต่ละคลื่นความถี่
โดยการคูณขนาดความรุนแรงโดยคงที่ที่เหมาะสม.
ข้อ จำกัด หนึ่งโดยเฉพาะอย่างยิ่งของวิธีการนี้เป็นที่กล่าวถึงใน Arneberg
et al, (2007) เป็นช่องโหว่ในการเสียง heteroscedastic ในจุดสูงสุดของ
ความสูง (เช่นแนวโน้มที่วัดความผิดพลาดแน่นอนที่จะเพิ่มขึ้น
ในขณะที่ยอดการเพิ่มขึ้นของความรุนแรงที่นำการฟื้นฟูให้เหตุผล
สำคัญมากขึ้นในการจัดตำแหน่งความสูงของยอดเขาที่มีขนาดใหญ่กว่าขนาดเล็ก
ยอด) พวกเขาเสนอที่จะใช้รากที่ n หรือเปลี่ยนแปลงลอการิทึม
(ดู Kvalheim, Brakstad และเหลียง, 1994) ให้เต็ม
สเปกตรัมก่อนที่จะมีการฟื้นฟู การเปลี่ยนแปลงต่อเนื่องดังกล่าว
จะมีแนวโน้มที่จะลดช่วงของความสูงสูงสุดทั่วสเปกตรัม
และดังนั้นจึงอาจนำไปสู่การฟื้นฟูที่ดีขึ้น ( แต่ที่
ค่าใช้จ่ายของความสัมพันธ์ระหว่างความสูงที่เพิ่มขึ้นสูงสุดและ
การเพิ่มความเข้มข้นขององค์ประกอบในตัวอย่าง)

ผลลัพธ์ (ไทย) 3:

normalising ข้อมูลบางครั้งก็ถือว่าจำเป็น หลังจากแก้ไขพื้นฐาน ทั้งนี้ขึ้นอยู่กับระดับของการเปลี่ยนแปลงที่มองเห็นได้และมักจะมีค่า standardising พื้นที่ภายใต้แต่ละสเปกตรัมโดยทวีความเข้มระดับโดยคงที่ที่เหมาะสมข้อจำกัดของวิธีการนี้โดยเฉพาะอย่างใดอย่างหนึ่ง ตามที่กล่าวไว้ใน arneberget al . ( 2007 ) เป็นช่องโหว่ของพหุคูณเสียงสูงสุดความสูง ( เช่นแนวโน้มสำหรับการวัดความคลาดเคลื่อนสัมบูรณ์เพื่อเพิ่มเป็นยอดความเข้มเพิ่มขึ้น การฟื้นฟูเพื่อลงความเห็นชั้นนําความสำคัญมากขึ้นเพื่อปรับความสูงของยอดเขามีขนาดใหญ่กว่าขนาดเล็กยอด ) พวกเขาเสนอใช้ลาฮอร์หรือเปลี่ยนแปลงลอการิทึม( ดู kvalheim brakstad , และ , เลี่ยง , 1994 ) เต็มรูปแบบสเปกตรัมก่อนการฟื้นฟู . เนื่อง เช่นการแปลงจะมีแนวโน้มที่จะลดช่วงของยอดเขาสูงในสเปกตรัมและดังนั้นจึงอาจนำไปสู่การปรับปรุงฟื้นฟู ( แม้ว่าที่ความสัมพันธ์ระหว่างต้นทุนของการเพิ่มความสูง สูงสุด และการเพิ่มความเข้มข้นขององค์ประกอบในตัวอย่าง )