Once extracted, these features were

Once extracted, these features were processed by Linear Dis-
criminant Analysis (a pre-classi fi ed method), using a commercial
package (Multisens Analyser, JLM Innovation, Germany). The
method initially involved assigning a disease-state class to each
sample and extracting a set of individual features from the re-
sponses of the sensors to it. These features were then ranked by a
control algorithm to maximise the separation between samples of
different class while minimising spread within classes and com-
bined into one or more discriminant functions (bound by the
constraint of the number of classes). The general equation for
discriminant function g(x) is illustrated below in Eq. (4), where w i
and x i are respectively the weights and values of the ‘i th ′ extracted
feature (ranging from 1 to d), and w 0 is a constant threshold
weight. Classi fi cations were made both for comparing the data of
all three groups, as well as for a two-group CRC and IBS compar-
ison that more accurately simulates a clinical situation where
a patient arrives complaining of symptoms linked to lower GI
disease.

ผลลัพธ์ (ไทย) 1:

เมื่อสกัด คุณลักษณะเหล่านี้ถูกประมวลผลโดยเชิงเส้นหรือไม่??-criminant วิเคราะห์ (fi classi ก่อนวิธีเอ็ด), ใช้การพาณิชย์แพคเกจ (Multisens Analyser, JLM นวัตกรรม เยอรมนี) ที่วิธีแรกเกี่ยวข้องกับการกำหนดคลาโรครัฐแต่ละตัวอย่างและการดึงข้อมูลชุดของแต่ละคุณลักษณะจากใหม่-sponses ของเซนเซอร์ได้ แล้วการจัดอันดับคุณลักษณะเหล่านี้ได้โดยการอัลกอริทึมควบคุมเพื่อเพิ่มประสิทธิภาพในการแยกระหว่างตัวอย่างคลาขณะกับลดแพร่กระจายภายในชั้นเรียนและ com-bined เป็นอย่าง น้อยหนึ่งฟังก์ชัน discriminant (ผูกโดยข้อจำกัดของจำนวนชั้น) สมการทั่วไปg(x) ฟังก์ชัน discriminant มีรูปประกอบด้านล่างใน Eq. (4), ที่ w ผมและ x ฉันตามลำดับน้ำหนักและมูลค่าของการ ' ฉัน′ th สกัดคุณลักษณะ (ตั้งแต่ 1 d), และ w 0 เป็นขีดเริ่มคงน้ำหนัก Classi fiเป็นของหายากได้ทำการเปรียบเทียบข้อมูลของทั้งสองทั้งสามกลุ่ม เช่นส่วนสองกลุ่ม CRC และ IBS compar-ison ที่จำลองสถานการณ์ทางคลินิกที่แม่นยำมากซึ่งผู้ป่วยมาบ่นอาการที่เชื่อมโยงเพื่อลด GIโรค

ผลลัพธ์ (ไทย) 2:

สกัดเมื่อคุณสมบัติเหล่านี้ได้รับการประมวลผลโดยจอแสดงผลเชิงเส้น
criminant วิเคราะห์ (วิธีเอ็ด Fi ก่อนคลาสสิก) ใช้ในเชิงพาณิชย์
แพคเกจ (Multisens Analyser, JLM นวัตกรรมเยอรมนี)
วิธีการในขั้นต้นที่เกี่ยวข้องกับการกำหนดชั้นโรครัฐแต่ละ
ตัวอย่างและการสกัดชุดของคุณลักษณะบุคคลจากอีก
sponses ของเซ็นเซอร์กับมัน คุณสมบัติเหล่านี้ได้รับการจัดอันดับแล้วโดย
ขั้นตอนวิธีการควบคุมเพื่อเพิ่มระยะห่างระหว่างกลุ่มตัวอย่างของ
ระดับที่แตกต่างกันในขณะที่ลดการแพร่กระจายภายในชั้นเรียนและสมบูรณ์
แบบผสมเป็นหนึ่งหรือมากกว่าฟังก์ชั่นแนน (ผูกพันตาม
ข้อ จำกัด ของจำนวนของชั้นเรียน) สมการทั่วไปสำหรับ
ฟังก์ชั่นการจำแนก g (x) จะมีภาพประกอบด้านล่างในสมการ (4) ที่ Wi
และ Xi เป็นลำดับน้ำหนักและค่านิยมของ 'i th' สกัด
คุณลักษณะ (ตั้งแต่ 1 ถึงง) และ W 0 เป็นเกณฑ์คง
น้ำหนัก Classi ไพเพอไฟได้ทำทั้งสำหรับการเปรียบเทียบข้อมูลของ
ทั้งสามกลุ่มเช่นเดียวกับสองกลุ่มซีอาร์ซีและ IBS compar-
ISON ที่ถูกต้องมากขึ้นจำลองสถานการณ์ทางคลินิกที่
ผู้ป่วยมาถึงบ่นของอาการเชื่อมโยงกับการลด GI
โรค

ผลลัพธ์ (ไทย) 3:

เมื่อสกัดคุณลักษณะเหล่านี้ถูกประมวลผลโดยตรงจาก
criminant การวิเคราะห์ ( pre classi จึงเอ็ดวิธีการ ) , การใช้เชิงพาณิชย์
แพคเกจ ( multisens วิเคราะห์ jlm , นวัตกรรม , เยอรมัน )
วิธีการเริ่มแรกที่เกี่ยวข้องระบุโรคสภาพชั้นเรียนแต่ละ
ตัวอย่างและแยกชุดคุณลักษณะส่วนบุคคลจากการ Re -
sponses ของเซ็นเซอร์ได้ คุณสมบัติเหล่านี้แล้วจัดอันดับโดย
การควบคุมอัลกอริทึมเพื่อเพิ่มระยะห่างระหว่างตัวอย่างที่แตกต่างกันในขณะที่การลดการแพร่กระจายภายในชั้นเรียน
-
เรียน com bined ในหนึ่งหรือมากกว่าหนึ่งฟังก์ชันจำแนก ( ผูกพันด้วย
ข้อจำกัดของจำนวนประเภท ) สมการทั่วไปสำหรับฟังก์ชันจำแนก
g ( x ) เป็นภาพประกอบด้านล่างในอีคิว ( 4 ) ที่ W ผม
x ฉันตามลำดับน้ำหนักและค่าของ ' ฉัน th สกัดนั้น
คุณลักษณะ ( ตั้งแต่ 1 D ) และ W 0 เป็นเกณฑ์
น้ำหนักคงที่ classi จึงทำให้ได้ทั้งการเปรียบเทียบข้อมูลของ
ทั้งสามกลุ่ม รวมทั้งสองและกลุ่ม CRC IBS compar -
ไอ้ศรที่ถูกต้องจำลองสถานการณ์ทางคลินิกที่ผู้ป่วยจะบ่นของอาการ

ลดกีที่เชื่อมโยงกับโรค