each log10 K in a row is multivaria

each log10 K in a row is multivariate expression of the row polymer where the five vapor solvation parameters are independent variables. In other words, a polymer is represented by a set of linear algebraic equations with each equation specified by a different vapor. The whole KT-matrix can thus be treated as multivariate data about the prospective polymers as objects and the vapors as observations. Therefore, one can apply clustering methods of data mining for grouping objects (polymers) of similar type according to some measure of similarity in relation to the vapor types. In the present context of polymer selection, if the similar polymers are used as sensing materials in a sensor array the response generated by the sensors in the will carry similar information about analyte vapors. Hence, by using those for making sensor array would be of no help in vapor discrimination. Only a single polymer from a group will suffice. Thus, the objective of a clustering method would be to create polymer groups or clusters according to solvation interaction similarities with the analyte vapors, and at the same time different clusters must have maximally diverse characteristics in relation to analyte interactions. One can then expect that by selection of a single polymer from each cluster and by using these as coating materials in a sensor array would encode optimally diverse vapor class information in the sensor array response patterns. The partition coefficient data in Tables 4(A, B) and 5 can be seen as points in a multidimensional data space where the set of vapors in columns defines dimensionality and the set of K-values in rows define polymers as points in this space. All the listed polymers are thus data points in multidimensional vapor space. A number of clustering algorithms have been used for data mining that seek grouping or clustering of data points of similar type with simultaneously enhanced separation between dissimilar clusters [112]. In some earlier studies [60–62], the application
of principal component analysis (PCA), hierarchical clustering (HC) and fuzzy c-means (FCM) clustering methods for polymer selection were explored for several application targets of security (explosives, chemical weapon agents and narcotics) and human safety concerns (breath and drugs of abuse). The continued efforts for developing more efficient and less cumbersome polymer selection procedures we realized that the fuzzy c-means (FCM) clustering method has much greater potential than that utilized in our earlier works. To obtain the best results we need to find optimum values
of the FCM algorithm parameters (number of clusters c, exponentm of the weighting function in defining objective function and the parameter ε for stopping criterion as explained below). In this study we find that by tuning these parameters for specific applications the fuzzy c-means clustering can select sufficiently diverse set of a small number of polymers for differentiation of food freshness and spoilage. The milk and fish food items have been targeted as case studies for validation.

ผลลัพธ์ (ไทย) 1:

นิพจน์ตัวแปรพหุของพอลิเมอร์แถวที่ห้าไอ solvation พารามิเตอร์เป็นตัวแปรอิสระแต่ละ K log10 ในแถวได้ ในคำอื่น ๆ พอลิเมอร์จะแทน ด้วยชุดของสมการพีชคณิตเชิงเส้นกับแต่ละสมการตามไอน้ำแตกต่างกัน จึงสามารถรักษาทั้ง KT เมตริกซ์เป็นโพลิเมอร์ที่มีแนวโน้มเป็นวัตถุและไอระเหยเป็นสังเกตข้อมูลตัวแปรพหุ ดังนั้น หนึ่งสามารถใช้วิธีการทำเหมืองข้อมูลระบบคลัสเตอร์สำหรับการจัดกลุ่มวัตถุ (โพลิเมอร์) ชนิดคล้ายตามความคล้ายคลึงกันเกี่ยวกับชนิดไอบางวัด ในบริบทปัจจุบันของการเลือกพอลิเมอร์ ถ้ามีใช้โพลิเมอร์คล้ายเป็นการตรวจในเซนเซอร์ อาร์เรย์การตอบสนองที่สร้างขึ้นโดยเซ็นเซอร์ในดำเนินการคล้ายรายกระทบการ analyte ดังนั้น โดยผู้ทำเซนเซอร์ อาร์เรย์จะของไม่ช่วยในการแบ่งแยกไอ เพียงตัวเดียวพอลิเมอร์จากกลุ่มนั้นก็ ดังนั้น วัตถุประสงค์ของวิธีการระบบคลัสเตอร์จะสร้างพอลิเมอร์กลุ่มหรือคลัสเตอร์ตาม solvation โต้ตอบความคล้ายคลึงกับไอระเหยการ analyte และในเวลาเดียวกัน คลัสเตอร์ที่แตกต่างกันต้องมีลักษณะหลากหลาย maximally เกี่ยวกับการโต้ตอบการ analyte หนึ่งสามารถแล้วคาดว่า โดยการเลือกของพอลิเมอร์เดียวจากแต่ละคลัสเตอร์ และ โดยเหล่านี้เป็นวัสดุเคลือบในเซนเซอร์ อาร์เรย์จะเข้ารหัสข้อมูลระดับไออย่างเหมาะสมหลากหลายในรูปแบบเซนเซอร์อาร์เรย์ตอบ ข้อมูลในตารางที่ 4 (A, B) และ 5 สัมประสิทธิ์พาร์ทิชันสามารถมองเห็นเป็นจุดในพื้นที่ข้อมูลหลายมิติซึ่งชุดของไอระเหยในคอลัมน์กำหนด dimensionality และชุดของค่า K ในแถวกำหนดโพลิเมอร์เป็นจุดในพื้นที่นี้ โพลิเมอร์แสดงเป็นจุดข้อมูลในพื้นที่ไอน้ำหลายดังนั้น หมายเลขของอัลกอริทึมระบบคลัสเตอร์ได้ถูกใช้สำหรับการทำเหมืองข้อมูลที่จัดกลุ่ม หรือคลัสเตอร์ของจุดข้อมูลชนิดคล้ายกับแยกพิเศษพร้อมกันระหว่างคลัสเตอร์ไม่เหมือน [112] ในบางอย่างก่อนหน้านี้ศึกษา [60 – 62], แอพลิเคชันการวิเคราะห์ส่วนประกอบหลัก (PCA), ระบบคลัสเตอร์แบบลำดับชั้น (HC) และปุยหมายถึง c (FCM) ระบบคลัสเตอร์วิธีการเลือกพอลิเมอร์มีอุดมสำหรับหลายโปรแกรมประยุกต์เป้าหมายของความปลอดภัย (วัตถุระเบิด ตัวแทนอาวุธเคมี และยาเสพติด) และกังวลความปลอดภัยบุคคล (ลมหายใจและยาเสพติดของผิด) ความพยายามอย่างต่อเนื่องสำหรับพัฒนากระบวนเลือกมาก และยุ่งยากน้อยกว่าพอลิเมอร์ที่เรารับรู้ว่า ชัดเจนซีวิธีการ (FCM) วิธีคลัสเตอร์มีมากศักยภาพสูงกว่าที่ใช้ในงานของเราก่อน เพื่อให้ได้ผลดีสุดที่เราต้องการค้นหาค่าที่เหมาะสมFCM อัลกอริทึมพารามิเตอร์ (หมายเลขของคลัสเตอร์ c, exponentm ของฟังก์ชันน้ำหนักในการกำหนดฟังก์ชันวัตถุประสงค์และεพารามิเตอร์สำหรับเกณฑ์หยุดตามที่อธิบายไว้ด้านล่าง) ในการศึกษานี้ เราพบว่า ปรับแต่งพารามิเตอร์เหล่านี้ในโปรแกรมประยุกต์เฉพาะที่พร่าเลือน c หมายถึงคลัสเตอร์สามารถเลือกชุดหลากหลายเพียงพอของจำนวนเล็ก ๆ ของโพลิเมอร์สำหรับการสร้างความแตกต่างของอาหารสดและเน่าเสีย รายการอาหารนมและปลาได้รับการกำหนดเป้าหมายเป็นกรณีศึกษาสำหรับการตรวจสอบ

ผลลัพธ์ (ไทย) 2:

แต่ละ log10 K ในแถวคือการแสดงออกหลายตัวแปรของพอลิเมอแถวที่ห้าพารามิเตอร์ละลายไอตัวแปรอิสระ ในคำอื่น ๆ ลิเมอร์เป็นตัวแทนจากชุดของสมการพีชคณิตเชิงเส้นที่มีสมการที่ระบุโดยไอที่แตกต่างกัน ทั้ง KT-เมทริกซ์จึงสามารถรักษาได้เป็นข้อมูลเกี่ยวกับโพลีเมอหลายตัวแปรที่คาดหวังเป็นวัตถุและไอระเหยที่เป็นข้อสังเกต ดังนั้นหนึ่งสามารถใช้วิธีการจัดกลุ่มของการทำเหมืองข้อมูลสำหรับการจัดกลุ่มวัตถุ (โพลิเมอร์) ของประเภทที่คล้ายกันตามขนาดที่คล้ายคลึงกันในความสัมพันธ์กับชนิดไอน้ำบางส่วน ในบริบทปัจจุบันของตัวเลือกพอลิเมอถ้าโพลิเมอร์ที่คล้ายกันถูกนำมาใช้เป็นวัสดุตรวจวัดในอาร์เรย์เซ็นเซอร์ตอบสนองที่สร้างขึ้นโดยเซ็นเซอร์ในจะดำเนินการข้อมูลที่คล้ายกับไอระเหยของสาร ดังนั้นโดยใช้เหล่านั้นสำหรับการทำอาร์เรย์เซ็นเซอร์จะช่วยในการเลือกปฏิบัติไม่มีไอ เฉพาะลิเมอร์จากกลุ่มเดียวจะพอเพียง ดังนั้นวัตถุประสงค์ของการจัดกลุ่มวิธีการที่จะสร้างกลุ่มพอลิเมอหรือกลุ่มตามละลายความคล้ายคลึงกันมีปฏิสัมพันธ์กับไอระเหยของสารและในเวลาเดียวกันกลุ่มที่แตกต่างกันจะต้องมีลักษณะที่หลากหลายที่สุดในความสัมพันธ์กับการมีปฏิสัมพันธ์วิเคราะห์ หนึ่งแล้วสามารถคาดหวังว่าจากการเลือกของพอลิเมอเดียวจากแต่ละกลุ่มและโดยใช้เหล่านี้เป็นวัสดุเคลือบในอาร์เรย์เซ็นเซอร์จะเข้ารหัสข้อมูลระดับไอน้ำที่มีความหลากหลายได้อย่างดีที่สุดในอาร์เรย์เซ็นเซอร์รูปแบบการตอบสนอง ข้อมูลค่าสัมประสิทธิ์ในตารางที่ 4 (A, B) และ 5 สามารถมองเห็นเป็นจุดในพื้นที่ที่ข้อมูลหลายมิติที่ชุดของไอระเหยในคอลัมน์กำหนดมิติและชุดของ K-ค่าในแถวที่กำหนดโพลิเมอร์เป็นจุดในพื้นที่นี้ ทั้งหมดโพลิเมอร์จดทะเบียนจึงจุดข้อมูลในพื้นที่ไอหลายมิติ จำนวนของขั้นตอนวิธีการจัดกลุ่มได้ถูกนำมาใช้สำหรับการทำเหมืองข้อมูลที่แสวงหาการจัดกลุ่มหรือการจัดกลุ่มของจุดข้อมูลของประเภทที่คล้ายกันกับการแยกที่เพิ่มขึ้นพร้อมกันระหว่างกลุ่มที่แตกต่างกัน [112] ในบางการศึกษาก่อนหน้านี้ [60-62], การประยุกต์ใช้
การวิเคราะห์องค์ประกอบหลัก (PCA), การจัดกลุ่มตามลำดับชั้น (HC) และคลุมเครือ C-หมายถึง (FCM) วิธีการจัดกลุ่มสำหรับการเลือกลิเมอร์ที่ได้รับการสำรวจสำหรับเป้าหมายการประยุกต์ใช้หลายการรักษาความปลอดภัย (วัตถุระเบิดสารเคมี ตัวแทนอาวุธและยาเสพติด) และความกังวลความปลอดภัยของมนุษย์ (ลมหายใจและยาเสพติดของการละเมิด) พยายามอย่างต่อเนื่องในการพัฒนาวิธีการที่มีประสิทธิภาพมากขึ้นและยุ่งยากน้อยตัวเลือกพอลิเมอเราตระหนักว่าเลือน C-หมายถึง (FCM) วิธีการจัดกลุ่มมีมากขึ้นที่มีศักยภาพกว่าที่ใช้ในการทำงานก่อนหน้านี้ของเรา เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดที่เราต้องการที่จะหาค่าที่เหมาะสม
ของพารามิเตอร์อัลกอริทึม FCM (จำนวนกลุ่ม C, exponentm ของฟังก์ชั่นการชั่งน้ำหนักในการกำหนดฟังก์ชันวัตถุประสงค์และพารามิเตอร์εสำหรับการหยุดเกณฑ์ตามที่อธิบายด้านล่าง) ในการศึกษานี้เราจะพบว่าโดยการปรับพารามิเตอร์เหล่านี้สำหรับการใช้งานที่เฉพาะเจาะจงเลือนคหมายถึงการจัดกลุ่มสามารถเลือกชุดที่มีความหลากหลายเพียงพอของจำนวนเล็ก ๆ ของโพลิเมอร์สำหรับความแตกต่างของความสดของอาหารและการเน่าเสีย นมและรายการอาหารปลาได้รับการกำหนดเป้าหมายเป็นกรณีศึกษาสำหรับการตรวจสอบ

ผลลัพธ์ (ไทย) 3:

แต่ละ LN K ในแถวมีการแสดงออกหลายตัวแปรของแถวโพลิเมอร์ที่ 5 ไอซอลเวชันตัวแปร คือ ตัวแปรอิสระ ในคำอื่น ๆที่เป็นพอลิเมอร์จะถูกแสดง โดยชุดของสมการพีชคณิตเชิงเส้นกับแต่ละสมการที่ระบุโดยไอน้ำที่แตกต่างกันเมทริกซ์ KT ทั้งหมดจึงถือว่าเป็นข้อมูลหลายตัวแปรเกี่ยวกับพอลิเมอร์ อนาคตเป็นวัตถุและไอระเหย เช่น การสังเกต ดังนั้นหนึ่งสามารถใช้เป็นวิธีการทำเหมืองข้อมูลการจัดกลุ่มวัตถุ ( โพลิเมอร์ ) ของประเภทที่คล้ายกันตามบางวัดความเหมือนในความสัมพันธ์กับประเภทของไอน้ำ ในบริบทปัจจุบันของการเลือกพอลิเมอร์ถ้าเป็นพอลิเมอร์ที่คล้ายกัน ใช้เป็นวัสดุในการเซนเซอร์ การตอบสนองที่สร้างโดยเซ็นเซอร์ในจะดำเนินการที่คล้ายกันข้อมูลเกี่ยวกับครูไอระเหย . ดังนั้น โดยใช้ผู้ที่ทำให้เรย์เซ็นเซอร์จะไม่ช่วยในไอน้ำของการแบ่งแยก พอลิเมอร์จากกลุ่มเดียวก็เพียงพอแล้ว ดังนั้นวัตถุประสงค์ของการแบ่งกลุ่มวิธีการที่จะสร้างกลุ่มโพลิเมอร์ หรือกลุ่มตามแนวทางปฏิสัมพันธ์คล้ายคลึงกับครูไอ และในเวลาเดียวกันที่กลุ่มที่แตกต่างกันจะต้องมีลักษณะที่หลากหลายที่สุดในความสัมพันธ์กับครูเพิ่มขึ้นหนึ่งสามารถคาดหวังว่าโดยการเลือกของพอลิเมอร์เดี่ยวจากแต่ละกลุ่มโดยใช้เหล่านี้เป็นวัสดุเคลือบในเซนเซอร์จะเข้ารหัสข้อมูลระดับบริการหลากหลายไอเซนเซอร์ตอบสนองในรูปแบบ ส่วนค่าสัมประสิทธิ์การแบ่งข้อมูลในตารางที่ 4 ( AB ) และ 5 สามารถมองเห็นเป็นจุดในหลากมิติข้อมูลพื้นที่ที่ตั้งของไอระเหยในคอลัมน์ที่กำหนด dimensionality และชุด k-values แถวกำหนด 3 จุดในพื้นที่นี้ ทั้งหมดที่อยู่ในพอลิเมอร์จึงเป็นจุดข้อมูลหลายมิติไออวกาศจำนวนของขั้นตอนวิธีการแบ่งกลุ่มได้ใช้ข้อมูลเหมืองแร่ที่แสวงหา การจัดกลุ่มของจุดข้อมูลที่คล้ายกันประเภทเพิ่มขึ้นพร้อมกันแยกระหว่างต่างกลุ่ม [ 112 ] ในบางการศึกษาก่อนหน้านี้ [ 60 - 62 ] , ใบสมัคร
ของการวิเคราะห์องค์ประกอบหลัก ( PCA )การจัดกลุ่มลำดับชั้น ( HC ) และฟัซซีซีมีน ( FCM ) สำหรับวิธีการเลือกพอลิเมอร์มีการสํารวจเพื่อเป้าหมายหลายการรักษาความปลอดภัย ( ระเบิดอาวุธเคมีตัวแทนและปราบปรามยาเสพติด ) และความปลอดภัยของมนุษย์ ( ลมหายใจและยาเสพติดของการละเมิด )ในความพยายามอย่างต่อเนื่องในการพัฒนาที่มีประสิทธิภาพมากขึ้นและขั้นตอนการคัดเลือก โพลีเมอร์ ยุ่งยากน้อยกว่า เรารู้ว่ามาฟัซซี ( FCM ) เป็นวิธีการที่มีศักยภาพมากขึ้นกว่าที่ใช้ในงานก่อนหน้านี้ของเรา เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด เราต้อง หาที่เหมาะสมค่า
ของ FCM อัลกอริทึมพารามิเตอร์ ( หมายเลขของกลุ่ม Cexponentm ของฟังก์ชันน้ำหนักในการกำหนดเป้าหมายการทำงานและพารามิเตอร์εสำหรับเกณฑ์หยุดตามที่อธิบายไว้ด้านล่าง ) ในการศึกษาครั้งนี้เราพบว่า โดยการปรับแต่งพารามิเตอร์เหล่านี้สำหรับการใช้งานเฉพาะฟัซซีซีมีน clustering สามารถเลือกการตั้งค่าที่หลากหลายเพียงพอของจำนวนเล็ก ๆของพอลิเมอร์ในการตุนอาหารและของเสียนมและอาหารรายการปลามีเป้าหมาย เป็นกรณีศึกษาสำหรับการตรวจสอบ