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.
The PC1 loading accounts for 96.1% of the total sample
variance, producing a pattern similar to the raw FT-IR spectra
(Figure 2a). The loadings of PC1 and PC2 show the highest
intensity at ∼980 cm−1
. Sankaran et al. also found a similar peak
for starch in the spectral range of 950−1000 cm−1
.
27 In
addition, Danwille observed a sharp peak at 975 cm−1 arising
from an −OCH3 bond vibration related to cellulose.15

ผลลัพธ์ (ไทย) 1:

PCA ดำเนินการในทั้งสองที่ MSC - และเข็ม-preprocessedฟุต-IR ข้อมูลสเปกตรัมการแยกข้อมูลที่เกี่ยวข้อง อย่างไรก็ตามข้อมูลอาจแบ่งตามปริมาณความชื้น หรือขนาดอนุภาค มากกว่าลักษณะองค์ประกอบทางเคมีของพวกเขาเนื่องจากมีกำหนดรูปแบบของข้อมูล IR โดยไม่เพียงลักษณะการดูดซึม แต่ยังกระจายลักษณะเปลี่ยนแปลงสเปกตรัมเหล่านี้ถูกลบ โดยเตาอบแห้งทั้งหมดตัวอย่างและสเปกตรัมกับ MSC และ SNVpreprocessing pretreatingวิธีการ ไม่ MSC - หรือ SNVpreprocessedข้อมูลฟุต-IR ได้มีการกำหนดระดับของปริมาณแจ๊ก โดยข้อมูล clustering โดยใช้ PCA ข้อมูลหลากหลาย และไม่แตกแยกกระจัดกระจายข้อมูล กลุ่มพบจากพล็อตคะแนน PCA(ข้อมูลไม่แสดง) PCA เป็นเทคนิคหลักนิยมสำหรับข้อมูลคลัสเตอร์ มันไม่ อย่างไรก็ตาม เหมาะกับคลา separabilityที่ดินแปลงโหลดพีสามอันดับแรกจะแสดงในรูปที่ 6บัญชีโหลด PC1 96.1% ของตัวอย่างทั้งหมดรูปแบบคล้ายกับสเปกตรัมการ IR ฟุตวัตถุดิบในการผลิต ผลต่าง(รูปที่ 2a) ส่งผ่านน้ำหนักของ PC1 PC2 แสดงสูงสุดเข้มของ ∼980 cm−1. Sankaran et al.พบสูงสุดคล้ายสำหรับแป้งในช่วงสเปกตรัมของ 950−1000 cm−1.27 ในนอกจากนี้ Danwille สังเกตสูงสุดคมชัดที่ 975 cm−1 เกิดจากการสั่นสะเทือนพันธบัตร −OCH3 ที่เกี่ยวข้องกับ cellulose.15

ผลลัพธ์ (ไทย) 2:

PCA กำลังดำเนินการทั้งในและ MSC- SNV-preprocessed
ข้อมูล FT-IR สเปกตรัมเพื่อดึงข้อมูลที่เกี่ยวข้อง อย่างไรก็ตาม
ข้อมูลดังกล่าวอาจจำแนกตามความชื้นหรือ
ขนาดอนุภาคมากกว่าลักษณะองค์ประกอบทางเคมีของพวกเขา
เพราะรูปแบบข้อมูล IR จะถูกกำหนดโดยไม่เพียง แต่
ลักษณะการดูดซึม แต่ลักษณะยังกระเจิง.
เหล่านี้รูปแบบรางถูกถอดออกจากเตาอบแห้งทั้งหมดของ
กลุ่มตัวอย่าง และ pretreating สเปกตรัมกับ MSC- และ SNVpreprocessing
วิธี ทั้ง SNVpreprocessed MSC- มิได้
ข้อมูล FT-IR ก็สามารถที่จะวัดปริมาณระดับของ
การปลอมปนโดยวิธีการของการจัดกลุ่มข้อมูลโดยใช้ PCA ข้อมูลที่
กระจัดกระจายอยู่ในช่วงที่กว้างใหญ่และไม่มีการแยกความแตกต่าง
ระหว่างกลุ่มข้อมูลที่พบจากพล็อตคะแนน PCA
(ไม่ได้แสดงข้อมูล) PCA เป็นเทคนิคหลักที่นิยมสำหรับข้อมูล
การจัดกลุ่ม มันไม่ได้มี แต่เหมาะสำหรับการแยกชั้น.
แปลงการโหลดของสามพีซีแรกที่ปรากฎในรูปที่ 6
บัญชี PC1 โหลด 96.1% ของกลุ่มตัวอย่างทั้งหมด
แปรปรวนการผลิตรูปแบบคล้ายกับสเปกตรัมดิบ FT-IR
( รูปที่ 2A) แรงของ PC1 และ PC2 แสดงสูงสุด
เข้มที่ ~980
CM-1 Sankaran et al, นอกจากนี้ยังพบว่ามียอดคล้าย
แป้งในช่วงสเปกตรัมของ 950-1000 CM-1
.
27
นอกจากนี้ Danwille สังเกตยอดความคมชัดที่ 975 CM-1 ที่เกิด
จากการสั่นสะเทือน -OCH3 พันธบัตรที่เกี่ยวข้องกับ cellulose.15

ผลลัพธ์ (ไทย) 3:

จะถูกดำเนินการทั้งในและ preprocessed snv MScอินฟราเรดสเปกตรัมข้อมูลเพื่อดึงข้อมูลที่เกี่ยวข้อง อย่างไรก็ตามข้อมูล อาจแบ่งตามปริมาณความชื้นหรือขนาดอนุภาคมากกว่าส่วนประกอบทางเคมี ลักษณะเพราะ IR รูปแบบข้อมูลที่กำหนดไว้เท่านั้นลักษณะการดูดซับ แต่ยังมีลักษณะรูปแบบสเปกตรัมเหล่านี้ถูกกำจัดโดยเตาอบแห้งทั้งหมดตัวอย่างและ pretreating สเปกตรัมกับ MSC และ snvpreprocessingวิธีการ - หรือ snvpreprocessed ทั้ง MSc- ข้อมูลที่สามารถวัดระดับของการปลอมปนโดยการจัดกลุ่มข้อมูลโดยใช้วิธี . ข้อมูลถูกกระจายไปหลากหลาย และไม่แยกชัดเจนระหว่างข้อมูลกลุ่มที่พบจากระบบคะแนนจุด( ข้อมูลไม่แสดง ) PCA เป็นเทคนิคหลักที่นิยมสำหรับข้อมูลแบ่งกลุ่มข้อมูล มันไม่ได้เป็น แต่เหมาะสำหรับชั้นแยกออกจากกันได้ .โหลดแปลงสามชิ้นแรกปรากฎในรูปที่ 6ที่บัญชีสำหรับ PC โหลด 96.1 % ของตัวอย่างทั้งหมดความแปรปรวน การผลิต รูปแบบคล้ายกับสเปกตรัม FT-IR ดิบ( รูปที่ 2A ) การกระทำของ PC และ pc2 แสดงมากที่สุดความเข้มที่∼ 980 cm − 1. sankaran et al . นอกจากนี้ยังพบสูงสุดที่คล้ายสำหรับแป้งในช่วงสเปกตรัมของ 950 − 1000 cm − 1.27 ในนอกจากนี้ danwille สังเกตยอดคมที่ 975 cm − 1 ที่เกิดขึ้นจาก บริษัท เวสเทิร์น och3 พันธบัตรที่เกี่ยวข้องกับ cellulose.15 การสั่นสะเทือน