Then, the following methods were pe

Then, the following methods were performed on all the re-duced matrices obtained:
a) Principal Component Analysis (PCA) as a display method, in order to visualize the data structure.
b) LDA as a classification technique, in order to classify the oil samples on the basis of their geographical origin.
c) QDA-UNEQ as a class-modelling technique, in order to build models for Chianti Classico oil.
Then, the fusion of information coming from the three instru-ments was performed as a strategy to increase the classification and class-modelling results. In order to reach this goal, all the variables selected by STEP-LDA from the 14 matrices were joined and STEP-LDA was applied again on this subset of fused variables to retain the most discriminant ones.

ผลลัพธ์ (ไทย) 1:

แล้ว วิธีต่อไปนี้ดำเนินการบนเมทริกซ์ re duced ทั้งหมดที่ได้รับ:) วิเคราะห์ส่วนประกอบหลัก (PCA) เป็นวิธีการแสดงผล เพื่อแสดงให้เห็นโครงสร้างข้อมูลข) LDA เป็นเทคนิค classification เพื่อจัดประเภทตัวอย่างน้ำมันตามจุดกำเนิดของภูมิศาสตร์ค) QDA-UNEQ เป็นเทคนิคการสร้างแบบจำลองระดับ การสร้างแบบจำลองสำหรับแฟนตาซีเชียนทีน้ำมันแล้ว การหลอมรวมของข้อมูลที่มาจากเครื่องเวลานั่งสามได้ดำเนินการเป็นกลยุทธ์การเพิ่ม classification และผลการสร้างแบบจำลองระดับ เพื่อที่จะบรรลุเป้าหมายนี้ เข้าร่วมกับตัวแปรทั้งหมดที่เลือกไว้ตามขั้นตอน-LDA จากเมทริกซ์ 14 และใช้ขั้นตอน LDA บนชุดย่อยของตัวแปรหลอมรักษา discriminant ส่วนใหญ่คนนี้อีก

ผลลัพธ์ (ไทย) 2:

แล้ววิธีการดังต่อไปนี้ได้ดำเนินการในทุกการฝึกอบรมใหม่โฉมที่ได้รับ:
ก) หลักวิเคราะห์องค์ประกอบ (PCA) เป็นวิธีการแสดงผลในการสั่งซื้อเพื่อให้มองเห็นโครงสร้างข้อมูล.
ข) LDA เป็นเทคนิค Fi ไอออนจัดประเภทเพื่อที่จะจำแนก ตัวอย่างน้ำมันบนพื้นฐานของแหล่งภูมิศาสตร์ของพวกเขา. the
c) QDA-UNEQ เป็นเทคนิคชั้นสร้างแบบจำลองเพื่อสร้างแบบจำลองสำหรับน้ำมัน Chianti Classico.
จากนั้นฟิวชั่นของข้อมูลที่มาจากสาม instru-ments ได้ดำเนินการเป็นกลยุทธ์ เพื่อเพิ่มจัดประเภท Fi ไอออนบวกและชั้นสร้างแบบจำลองผล เพื่อที่จะบรรลุเป้าหมายนี้ตัวแปรทั้งหมดที่เลือกโดย STEP-LDA จาก 14 การฝึกอบรมได้เข้าร่วมและ STEP-LDA ถูกนำมาใช้อีกครั้งในกลุ่มย่อยของตัวแปรที่ผสมนี้จะเก็บคนแนนมากที่สุด

ผลลัพธ์ (ไทย) 3:

แล้ววิธีการดังต่อไปนี้จำนวนทั้งหมดอีกครั้ง duced ได้รับเมทริกซ์ :) การวิเคราะห์องค์ประกอบหลัก ( PCA ) เป็นจอแสดงผล วิธีการ เพื่อให้เห็นภาพข้อมูลโครงสร้างb ) lda เป็น classi การถ่ายทอดเทคนิค เพื่อแยกน้ำมันตัวอย่างบนพื้นฐานของแหล่งกำเนิดทางภูมิศาสตร์ของพวกเขาc ) qda-uneq เป็นคลาสแบบเทคนิค เพื่อที่จะสร้างโมเดลสำหรับ Chianti Classico น้ํามันแล้ว การรวมตัวกันของข้อมูลที่มาจากสามชุดอุปกรณ์ ments กำหนดเป็นกลยุทธ์เพื่อเพิ่มผลการเรียนจึง classi และการสร้างแบบจำลอง เพื่อให้บรรลุเป้าหมายนี้ ตัวแปรที่เลือกโดย step-lda จาก 14 ได้เข้าร่วม step-lda เมทริกซ์และถูกนำมาใช้อีกครั้งในนี้ย่อยผสมของตัวแปรที่จะรักษาคนที่สูงที่สุด