Extractie van relevante informatie uit analytisch chemische gegevens middels chemometrie.

Analytische methoden produceren altijd maar grotere gegevenssets. Wij zullen chemometrische methoden onderzoeken die toelaten informatie uit de gegevens te halen. De grote assen van het onderzoek zijn :

i) het detecteren van afwijkende gegevens (outliers). Outliers kunnen conclusies vervalsen en leiden tot niet robuuste modellen. De vraag is hoe men outliers kan detecteren of hoe men robuuste methoden kan ontwerpen die niet beinvloed worden door de aanwezigheid van outliers

ii) selectie of eliminatie van variabelen : voor de interpretatie van de informatie, voor economische redenen en soms ook voor de kwaliteit van het model is het vaak nodig een beperkte set representatieve variabelen te selecteren uit het grote aantal dat gemeten wordt. Zo bevatten niet alle golflengten in een spectrum interessante informatie. Selectie van de belangrijke variabelen kan leiden tot eenvoudiger toestellen, gemakkelijker te verstane modellen en eliminatie van ruis

iii) de meeste methoden voor gegevensanalyse zijn gebaseerd op correlatie of afstanden. Modellen gebaseerd op densiteit, t.t.z. het vinden van zones in de gegevens waarin veel objecten (of juist heel weinig objecten) voorkomen, zijn mogelijk maar veel minder bestudeerd. Nochtans zijn die zeer geschikt voor het vinden van representatieve objecten of van objecten (zoals outliers) die heel bijzondere eigenschappen hebben

iv) talrijke algoritmen voor gegevensanalyse worden moeilijk hanteerbaar wanneer men naar heel grote sets overgaat. In sommige gevallen worden algoritmen, die niet efficient zijn voor een klein aantal objecten dat wel wanneer men over veel data beschikt. Er is dus nood aan de ontwikkeling van aangepaste algoritmen.