Supervised neighborhood preserving

Supervised neighborhood preserving embedding (SNPE), a nonlinear dimensionality reduction method, was employed to represent near-infrared (NIR) and Raman spectral features of agricultural samples (Angelica gigas, sesame, and red pepper), and the newly constructed variables were used to discriminate their geographical origins. This study was done to evaluate the potential of SNPE for recognizing minute spectral differences between classes by preserving local relationships, in comparison with widely adopted linear feature representation methods such as principal component analysis (PCA) and partial least squares (PLS). For this purpose, diffuse reflectance NIR spectral datasets of Angelica gigas, sesame, and red pepper, and a Raman spectral dataset of the same red pepper were prepared. The spectra were represented into new variables in reduced dimensions by PCA, PLS, neighborhood preserving embedding (NPE), and SNPE, and the represented variables were used to determine the geographical origins of samples by using the k-nearest neighbor (k-NN) and support vector machine (SVM). The combination of SNPE and SVM differentiated the geographical origins with improved accuracy. Overall results demon- strate that SNPE is a valuable alternative feature representation method, especially when complex and highly overlapping vibrational spectra are used for analysis.

ผลลัพธ์ (ไทย) 1:

ย่านที่มีคนดูแลรักษาฝัง (SNPE), วิธีการลด dimensionality ไม่เชิงเส้น ถูกจ้างถึงใกล้อินฟราเรด (NIR) และรามันลักษณะสเปกตรัมของเกษตรตัวอย่าง (Angelica gigas งา และพริกแดง), และใช้ตัวแปรที่สร้างใหม่ถือพวกที่มาทางภูมิศาสตร์ของพวกเขา การศึกษานี้ได้ทำการประเมินศักยภาพของ SNPE สำหรับการจดจำความแตกต่างของสเปกตรัมนาทีระหว่างเรียนโดยรักษาความสัมพันธ์ภายใน เปรียบเทียบกับอย่างกว้างขวางนำวิธีแสดงคุณลักษณะเชิงวิเคราะห์ส่วนประกอบหลัก (PCA) และบางส่วนกำลังสองน้อยสุด (กรุณา) สำหรับวัตถุประสงค์นี้ NIR แบบสะท้อนแสงที่กระจายสเปกตรัม datasets ของ Angelica gigas งา พริกแดง และชุดข้อมูลสเปกตรัมรามันพริกแดงเดียวกันได้เตรียมการ แรมสเป็คตราถูกแทนเป็นตัวแปรใหม่ในขนาดที่ลดลง โดย PCA กรุณา ย่านสำรองฝัง (NPE), และ SNPE และใช้ตัวแปร represented กำหนดกำเนิดทางภูมิศาสตร์ของตัวอย่าง โดยใช้ (k-NN) k ใกล้บ้านและสนับสนุนเครื่องแบบเวกเตอร์ (SVM) SNPE และ SVM การณ์กำเนิดทางภูมิศาสตร์ มีความแม่นยำดีขึ้น โดยรวม ผลปีศาจ strate SNPE ที่ได้วิธีนำเสนอคุณลักษณะอื่นที่มีคุณค่า โดยเฉพาะอย่างยิ่งเมื่อใช้สำหรับการวิเคราะห์ซับซ้อน และทับซ้อนกันสูง vibrational แรมสเป็คตรา

ผลลัพธ์ (ไทย) 2:

พื้นที่ใกล้เคียงภายใต้การดูแลรักษาฝัง (SNPE) ซึ่งเป็นวิธีการลดมิติเชิงถูกจ้างมาเพื่อเป็นตัวแทนใกล้อินฟราเรด (NIR) และรามันคุณสมบัติสเปกตรัมของตัวอย่างการเกษตร (Angelica gigas งาและพริกไทยสีแดง) และตัวแปรที่สร้างขึ้นใหม่ถูกนำมาใช้ ความแตกต่างทางภูมิศาสตร์ของต้นกำเนิด การศึกษานี้ทำเพื่อประเมินศักยภาพของ SNPE สำหรับการรับรู้ถึงความแตกต่างของสเปกตรัมนาทีระหว่างเรียนโดยการรักษาความสัมพันธ์ในท้องถิ่นในการเปรียบเทียบกับการยอมรับอย่างกว้างขวางวิธีการแสดงคุณลักษณะเชิงเส้นเช่นการวิเคราะห์องค์ประกอบหลัก (PCA) และสี่เหลี่ยมอย่างน้อยบางส่วน (PLS) เพื่อจุดประสงค์นี้สะท้อนกระจายชุดข้อมูลสเปกตรัม NIR ของ gigas เกยงาและพริกแดงและชุดข้อมูลสเปกตรัมรามันของพริกแดงเดียวกันได้จัดทำ สเปกตรัมเป็นตัวแทนเข้าไปในตัวแปรใหม่ในมิติลดลง PCA, PLS ย่านรักษาฝัง (NPE) และ SNPE และตัวแปรที่เป็นตัวแทนที่ถูกใช้ในการกำหนดต้นกำเนิดทางภูมิศาสตร์ของกลุ่มตัวอย่างโดยใช้เพื่อนบ้าน k-ที่ใกล้ที่สุด (k-NN) และการสนับสนุนเครื่องเวกเตอร์ (SVM) การรวมกันของ SNPE และ SVM แตกต่างต้นกำเนิดทางภูมิศาสตร์ที่มีความแม่นยำที่ดีขึ้น ผลโดยรวม demon- strate ที่ SNPE เป็นคุณลักษณะที่มีคุณค่าทางเลือกวิธีการแสดงโดยเฉพาะอย่างยิ่งเมื่อซับซ้อนและสเปกตรัมที่ทับซ้อนกันสูงสั่นถูกนำมาใช้ในการวิเคราะห์

ผลลัพธ์ (ไทย) 3:

การรักษาผ่านแถวบ้าน ( snpe ) , เส้น dimensionality วิธีลด ถูกใช้เป็นตัวแทน อินฟราเรดใกล้ ( NIR ) และรามานสเปกตรัมคุณสมบัติของตัวอย่างเกษตร ( Angelica ศึกษางาและพริกไทย ) และตัวแปรที่สร้างขึ้นใหม่เพื่อใช้แยกแยะกำเนิดทางภูมิศาสตร์การศึกษานี้ทำเพื่อประเมินศักยภาพของ snpe ตระหนักถึงความแตกต่างระหว่างชนชั้นโดยการรักษานาทีสเปกตรัมความสัมพันธ์ท้องถิ่น ในการเปรียบเทียบกับลักษณะการใช้อย่างกว้างขวางโดยวิธีการเช่นการวิเคราะห์องค์ประกอบหลัก ( PCA ) และกำลังสองน้อยที่สุดบางส่วน ( PLS ) สำหรับวัตถุประสงค์นี้ กระจายสเปกตรัม NIR การสะท้อนของแองเจลิก้า ศึกษาข้อมูล งาและพริกไทย และรามานสเปกตรัมของพริกไทยข้อมูลเดียวกันถูกเตรียมไว้ นี้มีตัวแทนในตัวแปรใหม่ในการลดขนาดโดย PCA , pls , แถวการฝังตัว ( ระบบ ) และ snpe และแทนตัวแปรที่ใช้ในการตรวจสอบต้นกำเนิดทางภูมิศาสตร์ของกลุ่มตัวอย่างโดยใช้บ้านละ ( k-nn ) และสนับสนุนเครื่องเวกเตอร์ ( SVM )การรวมกันของ snpe SVM และแตกต่างกำเนิดทางภูมิศาสตร์ที่มีการปรับปรุงความถูกต้อง ปีศาจ - ผลลัพธ์โดยรวม ? ที่ snpe เป็นทางเลือกที่มีคุณสมบัติการแสดงวิธีการ โดยเฉพาะอย่างยิ่งเมื่อมีการสั่นที่ซับซ้อนและทับซ้อนนี้จะใช้สำหรับการวิเคราะห์