A classification model was built us

A classification model was built using principal
component analysis (PCA) and linear discriminant analysis (LDA). LDA with cross-validation showed that
the data fusion could achieve 78.5–86.7% correct classification (sensitivity), while those rates using
individual spectroscopies ranged from 42.2% to 70.4%. The results demonstrated that the fluorescence,
UV and visible spectroscopies complemented each other, yielding higher synergic effect.

ผลลัพธ์ (ไทย) 1:

แบบจัดประเภทถูกสร้างขึ้นโดยใช้หลักวิเคราะห์ส่วนประกอบ (PCA) และการวิเคราะห์เชิงเส้น discriminant (LDA) LDA กับข้ามตรวจสอบพบว่าฟิวชั่นข้อมูลสามารถบรรลุ 78.5-86.7% ถูกจัดประเภท (ไว), ในขณะที่อัตราผู้ใช้spectroscopies แต่ละที่อยู่ในช่วงจาก 42.2% 70.4% แสดงผลลัพธ์ที่ fluorescenceรังสียูวีและ spectroscopies เห็นตู้กัน ผลผลิตสูงผล synergic การ

ผลลัพธ์ (ไทย) 2:

รูปแบบการจัดหมวดหมู่ที่ถูกสร้างขึ้นโดยใช้หลัก
วิเคราะห์องค์ประกอบ (PCA) และการวิเคราะห์จำแนกเชิงเส้น (LDA) LDA กับการตรวจสอบข้ามแสดงให้เห็นว่า
ฟิวชั่นข้อมูลสามารถบรรลุ 78.5-86.7% การจัดหมวดหมู่ที่ถูกต้อง (ไว) ในขณะที่อัตราผู้ที่ใช้
สเปกโตรสโคบุคคลตั้งแต่ 42.2% เป็น 70.4% ผลแสดงให้เห็นว่าการเรืองแสง
รังสียูวีและสเปกโตรสโคครบครันมองเห็นซึ่งกันและกันให้ผลผลิตที่สูงขึ้นมีผล Synergic

ผลลัพธ์ (ไทย) 3:

การจำแนกรูปแบบถูกสร้างขึ้นโดยใช้การวิเคราะห์องค์ประกอบหลัก ( PCA )
และการวิเคราะห์จำแนกเชิงเส้น ( lda ) lda ข้ามการตรวจสอบพบว่าข้อมูลสามารถบรรลุ
ฟิวชั่น 78.5 86.7 % ถูกต้อง–หมวดหมู่ ( ความไว ) ขณะที่อัตราการใช้
แนนซ์บุคคลอยู่ระหว่าง 42.2 ร้อยละ 70.4 % จากการทดลองพบว่าเรืองแสง
UV และมองเห็นแนนซ์ครบครันแต่ละอื่น ๆ ที่ให้ผลผลิตสูงซึ่งทำงานร่วมกันผล