Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:1808.00685v1

帮助 | 高级搜索

统计学 > 计算

arXiv:1808.00685v1 (stat)
[提交于 2018年8月2日 ]

标题: corr2D - R语言中二维相关分析的实现

标题: corr2D - Implementation of Two-Dimensional Correlation Analysis in R

Authors:Robert Geitner, Robby Fritzsch, Jürgen Popp, Thomas W. Bocklitz
摘要: 在 corr2D 包中实现了二维相关分析的 R 实现。本文描述了该包中如何进行二维相关分析以及数学方程是如何被转化为 R 代码的。 本文提供了一个简单的带有可执行代码的教程,面向初学者,深入介绍了相关分析前的计算过程,详细讨论了基于快速傅里叶变换的相关分析并行化以及计算速度测试。 corr2D 包提供了使用纯 R 语言对光谱数据进行预处理、关联和后处理的可能性。 因此,corr2D 是光谱学家工具箱的一个受欢迎的补充,并使二维相关分析更加易用且透明。
摘要: In the package corr2D two-dimensional correlation analysis is implemented in R. This paper describes how two-dimensional correlation analysis is done in the package and how the mathematical equations are translated into R code. The paper features a simple tutorial with executable code for beginners, insight into at the calculations done before the correlation analysis, a detailed look at the parallelization of the fast Fourier transformation based correlation analysis and a speed test of the calculation. The package corr2D offers the possibility to preprocess, correlate and postprocess spectroscopic data using exclusively the R language. Thus, corr2D is a welcome addition to the toolbox of spectroscopists and makes two-dimensional correlation analysis more accessible and transparent.
主题: 计算 (stat.CO)
引用方式: arXiv:1808.00685 [stat.CO]
  (或者 arXiv:1808.00685v1 [stat.CO] 对于此版本)
  https://doi.org/10.48550/arXiv.1808.00685
通过 DataCite 发表的 arXiv DOI
期刊参考: Journal of Statistical Software 2019
相关 DOI: https://doi.org/10.18637/jss.v090.i03
链接到相关资源的 DOI

提交历史

来自: Thomas Bocklitz [查看电子邮件]
[v1] 星期四, 2018 年 8 月 2 日 06:36:51 UTC (424 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
stat.CO
< 上一篇   |   下一篇 >
新的 | 最近的 | 2018-08
切换浏览方式为:
stat

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号