The application of UV–Vis spectroph

The application of UV–Vis spectrophotometry as an alternative or complementary approach to the classification
of tobacco products is presented in this work for the first time. Two hundred fifty samples from
five different cigarette brands composed of single and mixed tobacco blends were examined for that
purpose on the basis of the UV–Vis spectrum of their aqueous extracts. Data transformation based on the
normalization of absorbance intensities as a function of sample weight was employed in order to account
for differences in the relative intensities of each sample. Principal components analysis (PCA) was used to
extract outlier cases and sample classification was then pursued with the aid of discriminant analysis (DA)
suggesting that a reduced number of variables (thirteen out of seven hundred initially available) could
provide perfect classification (100% correct assignations) of samples containing single tobacco species or
different blends and a fair classification of samples with similar composition (80% correct assignations)
yielding an overall 95.7% correct classification. To this pursue, classification and regression trees were
found to afford perfect classification of all samples using only a few logic rules based on appropriate split
conditions at the expense of inserting 15 variables in the model.

ผลลัพธ์ (ไทย) 1:

แอพลิเคชันของ UV – Vis spectrophotometry เป็นวิธีการทดแทน หรือเสริมกับการจัดประเภทผลิตภัณฑ์ยาสูบมีการนำเสนอในงานนี้เป็นครั้งแรก ตัวอย่างสองร้อยห้าสิบจากยี่ห้อบุหรี่ต่าง ๆ ห้าประกอบเดี่ยว และผสมยาสูบผสมถูกตรวจสอบว่าวัตถุประสงค์ โดยจำนวนมากของสารสกัดอควี UV – Vis การแปลงข้อมูลตามฟื้นฟูของการปลดปล่อยก๊าซ absorbance เป็นฟังก์ชันของตัวอย่างน้ำหนักถูกว่าจ้างการบัญชีสำหรับความแตกต่างในการปลดปล่อยก๊าซญาติของแต่ละอย่าง วิเคราะห์ส่วนประกอบหลัก (PCA) ถูกใช้ในการแยกกรณี outlier และจัดประเภทของตัวอย่างแล้วถูกติดตาม ด้วยความช่วยเหลือของการวิเคราะห์ discriminant (ดา)แนะนำว่า สามารถลดจำนวนตัวแปร (13 จากเจ็ดร้อยเริ่มว่าง)ให้สมบูรณ์แบบจัดประเภท (100% ต้อง assignations) อย่างประกอบด้วยพันธุ์ยาสูบเดียว หรือผสมแตกต่างกันและการจัดประเภทตัวอย่างที่มีองค์ประกอบคล้ายกัน (80% ถูกต้อง assignations) เป็นธรรมผลผลิตการจัดประเภทต้อง 95.7% โดยรวม การนี้ pursue ประเภทและถดถอยได้พบว่าสามารถจัดประเภทที่สมบูรณ์แบบของตัวอย่างทั้งหมดที่ใช้เฉพาะบางตรรกะกฎตามแยกที่เหมาะสมเงื่อนไขค่าใช้จ่ายใส่ 15 ตัวแปรในแบบจำลอง

ผลลัพธ์ (ไทย) 2:

การประยุกต์ใช้ spectrophotometry UV-Vis
เป็นวิธีทางเลือกหรือประกอบกับการจัดหมวดหมู่ที่ผลิตภัณฑ์ยาสูบจะนำเสนอในงานนี้เป็นครั้งแรก สองร้อยห้าสิบตัวอย่างจากห้ายี่ห้อบุหรี่ที่แตกต่างกันประกอบด้วยการผสมยาสูบเดี่ยวและผสมมีการตรวจสอบว่าจุดประสงค์บนพื้นฐานของคลื่นUV-Vis ของสารสกัดน้ำของพวกเขา การแปลงข้อมูลบนพื้นฐานของการฟื้นฟูความเข้มของการดูดกลืนแสงเป็นหน้าที่ของน้ำหนักตัวอย่างเป็นลูกจ้างในการสั่งซื้อไปยังบัญชีสำหรับความแตกต่างในความเข้มญาติของแต่ละตัวอย่าง ที่สำคัญการวิเคราะห์องค์ประกอบ (PCA) ถูกใช้ในการดึงกรณีค่าผิดปกติและการจำแนกกลุ่มตัวอย่างที่ได้รับการดำเนินการแล้วด้วยความช่วยเหลือของการวิเคราะห์จำแนกนี้(DA) ชี้ให้เห็นว่าเป็นจำนวนที่ลดลงของตัวแปร (สิบสามจากเจ็ดร้อยที่มีอยู่ในตอนแรก) จะจัดให้มีการจัดหมวดหมู่ที่สมบูรณ์แบบ(100% assignations ที่ถูกต้อง) ของกลุ่มตัวอย่างที่มีสายพันธุ์ยาสูบเดียวหรือผสมที่แตกต่างกันและการจัดหมวดหมู่เป็นธรรมของกลุ่มตัวอย่างที่มีส่วนประกอบที่คล้ายกัน(80% assignations ที่ถูกต้อง) ให้ผลผลิตโดยรวม 95.7% การจัดประเภทที่ถูกต้อง นี้จะไล่ตามต้นไม้การจัดหมวดหมู่และการถดถอยถูกพบที่จะจ่ายการจัดหมวดหมู่ของกลุ่มตัวอย่างที่สมบูรณ์แบบทั้งหมดที่ใช้เพียงไม่กี่กฎตรรกะขึ้นอยู่กับความเหมาะสมแยกเงื่อนไขค่าใช้จ่ายของการใส่ตัวแปรใน15 รูปแบบ

ผลลัพธ์ (ไทย) 3:

การใช้ UV – 3 วิธีเป็นทางเลือก หรือ ประกอบกับการจำแนก
ผลิตภัณฑ์ยาสูบที่แสดงในงานนี้เป็นครั้งแรก ตัวอย่างสองร้อยห้าสิบห้าที่แตกต่างกันจาก
บุหรี่ยี่ห้อประกอบด้วยเดี่ยวและผสมผสมยาสูบมีวัตถุประสงค์เพื่อวัตถุประสงค์ที่
บนพื้นฐานของ– UV VIS สเปกตรัมของสารละลายสารสกัดการเปลี่ยนแปลงข้อมูลตามบรรทัดฐานของการดูดกลืนแสงเข้ม
เป็นฟังก์ชันของน้ำหนักตัวอย่างที่ใช้ในการบัญชี
ความแตกต่างในความเข้มสัมพัทธ์ของแต่ละตัวอย่าง การวิเคราะห์องค์ประกอบหลัก ( PCA ) ใช้สารคดีและการจำแนกค่า

ตัวอย่างแล้วติดตาม ด้วยความช่วยเหลือของการวิเคราะห์จำแนกประเภท ( ดา )
แนะนำว่า การลดจำนวนของตัวแปร ( สิบสามจากเจ็ดร้อยสามารถใช้ได้ในตอนแรก )
ให้หมวดหมู่ที่สมบูรณ์แบบ ( 100% assignations ถูกต้อง ) ของตัวอย่างที่มีชนิดสูบเดียวหรือผสมที่แตกต่างกันและหมวดหมู่
ยุติธรรมของตัวอย่างที่มีองค์ประกอบที่คล้ายกัน ( 80% assignations ถูกต้อง )
ผลผลิตโดยรวม 95.7 % แก้ไขการจำแนกประเภท นี้ติดตามการจำแนกและการถดถอยพบว่าสามารถจำแนกต้นไม้
สมบูรณ์แบบของทุกตัวอย่างการใช้เพียงไม่กี่กฎตามตรรกะเหมาะสมแยก
เงื่อนไขค่าใช้จ่ายในการแทรก 15 ตัวแปรในโมเดล