PCA was executed on both the MSC- a

PCA was executed on both the MSC- and SNV-preprocessed FT-IR spectral data to extract relevant information. However, the data might be classified according to moisture content or particle size, rather than their chemical composition characteristics, because the IR data patterns are determined by not only absorption characteristics but also scattering characteristics. These spectral variations were removed by oven drying all of the samples and pretreating the spectra with MSC- and SNVpreprocessing methods. Neither the MSC- nor the SNVpreprocessed FT-IR data were able to quantify the level of adulteration by means of data clustering using PCA. The data were scattered over a vast range, and no distinct separations among the data groups were found from the PCA score plot (data not shown). PCA is a popular primary technique for data clustering. It is not, however, optimized for class separability. The loading plots of the first three PCs are depicted in Figure 6.

ผลลัพธ์ (ไทย) 1:

มีดำเนิน PCA ทั้ง preprocessed MSC และเข็มฟุตอินฟราเรดสเปกตรัมข้อมูลการแยกข้อมูลที่เกี่ยวข้อง อย่างไรก็ตาม ข้อมูลอาจแบ่งตามปริมาณความชื้น หรือขนาดของอนุภาค แทน ลักษณะองค์ประกอบทางเคมีของพวกเขา เนื่องจากรูปแบบของข้อมูล IR ถูกกำหนด โดยลักษณะการดูดซับไม่เพียง แต่ยังกระจายลักษณะ เปลี่ยนแปลงสเปกตรัมเหล่านี้ถูกลบ โดยเตาอบแห้งของตัวอย่างทั้งหมด และ pretreating การสเปกตรัมกับ MSC และ SNVpreprocessing วิธีการ ไม่ MSC - หรือ SNVpreprocessed ฟุต-IR ข้อมูลก็สามารถที่จะกำหนดปริมาณระดับของแจ๊ก โดยข้อมูล clustering โดยใช้ PCA ข้อมูลกระจัดกระจายผ่านหลากหลาย และแยกที่ไม่แตกต่างกันระหว่างกลุ่มข้อมูลพบจากพล็อตคะแนน PCA (ไม่แสดงข้อมูล) PCA เป็นเทคนิคหลักนิยมสำหรับคลัสเตอร์ข้อมูล มันไม่ อย่างไรก็ตาม เหมาะกับคลา separability ที่ดินแปลงโหลดพีสามอันดับแรกจะแสดงในรูปที่ 6

ผลลัพธ์ (ไทย) 2:

PCA ถูกประหารชีวิตทั้งข้อมูลและ MSC- SNV-preprocessed FT-IR สเปกตรัมเพื่อดึงข้อมูลที่เกี่ยวข้อง อย่างไรก็ตามข้อมูลอาจจะมีการจำแนกตามความชื้นหรือขนาดอนุภาคมากกว่าลักษณะองค์ประกอบทางเคมีของพวกเขาเพราะรูปแบบข้อมูล IR จะถูกกำหนดโดยไม่เพียง แต่ลักษณะการดูดซึม แต่ลักษณะยังกระเจิง รูปแบบสเปกตรัมเหล่านี้ถูกถอดออกโดยเตาอบแห้งตัวอย่างทั้งหมดและ pretreating สเปกตรัมกับ MSC- และ SNVpreprocessing วิธี ทั้งข้อมูล SNVpreprocessed FT-IR ทำงาน MSC- มิได้มีความสามารถที่จะหาจำนวนระดับของการปลอมปนโดยใช้วิธีการจัดกลุ่มข้อมูลโดยใช้ PCA ข้อมูลที่กระจัดกระจายอยู่ในช่วงที่กว้างใหญ่และไม่มีการแยกความแตกต่างระหว่างกลุ่มข้อมูลที่พบจากพล็อตคะแนน PCA (ไม่ได้แสดงข้อมูล) PCA เป็นเทคนิคหลักที่นิยมสำหรับการจัดกลุ่มข้อมูล มันไม่ได้มี แต่เหมาะสำหรับการแยกชั้น แปลงการโหลดของสามพีซีแรกที่ปรากฎในรูปที่ 6