5.2. Pattern classificationThe impa

5.2. Pattern classification
The impact of polymer selection was examined by applying principal component analysis (PCA) to the sensor array response matrix (vapors in rows, sensor array outputs in columns). For this analysis the sensor array responses were normalized with respect to vapor concentration and logarithmically scaled for the reasons explained in [35,119]. The logarithmic scaling of SAW sensor responses has been found to be always enhancing the separability of vapor classes in principal component space, hence improve classification efficiency [35]. Fig. 1 shows the principal component score plots for all headspace VOCs over the milk as listed in Table 1. The regions demarcated by close curve boundary contain data points mostly associated with the fresh milk VOCs barring a few exceptions near the boundary. Most notable exceptions are the spoilage markers hexanoic acid and octanoic acid points in PC1-PC2 plot Fig. 1(a). These are seen to be within the fresh VOCs boundary even though they appear as compact clusters. However, these clusters are well separated from the freshness markers VOCs in PC3 direction as clearly seen in Fig. 1(b). The three other clusters (octanal, nonanal, 2 nonanone) which occur outside the freshness marker boundary in PC1-PC2 plot are seen to be inside the boundary in PC1-PC3 plot. That is, in 2D principal component projections some spoilage VOCs appear which to occupy overlapping space with the freshness VOCs are actually well separated. This becomes quite evident if we examine 3D plot PC1-PC2-PC3 in Fig. 2. It can be seen that the entire freshness marker VOCs are separated from the entire spoilage marker VOCs. This plot is shown with a camera view in MatLab from an angle where the full separation between the two types of VOCs look convincing. The freshness VOCs are shown encircled. These results suggest that by pooling the entire freshness marker VOCs as a single class the state of milk freshness can be ascertained by discriminating it against the spoilage marker VOCs. A striking feature in these plots is the occurrence of indole (a freshness indicator) as a well formed cluster distinctly separate from the rest. This suggests that the discrimination of indole

ผลลัพธ์ (ไทย) 1:

5.2 รูปประเภทThe impact of polymer selection was examined by applying principal component analysis (PCA) to the sensor array response matrix (vapors in rows, sensor array outputs in columns). For this analysis the sensor array responses were normalized with respect to vapor concentration and logarithmically scaled for the reasons explained in [35,119]. The logarithmic scaling of SAW sensor responses has been found to be always enhancing the separability of vapor classes in principal component space, hence improve classification efficiency [35]. Fig. 1 shows the principal component score plots for all headspace VOCs over the milk as listed in Table 1. The regions demarcated by close curve boundary contain data points mostly associated with the fresh milk VOCs barring a few exceptions near the boundary. Most notable exceptions are the spoilage markers hexanoic acid and octanoic acid points in PC1-PC2 plot Fig. 1(a). These are seen to be within the fresh VOCs boundary even though they appear as compact clusters. However, these clusters are well separated from the freshness markers VOCs in PC3 direction as clearly seen in Fig. 1(b). The three other clusters (octanal, nonanal, 2 nonanone) which occur outside the freshness marker boundary in PC1-PC2 plot are seen to be inside the boundary in PC1-PC3 plot. That is, in 2D principal component projections some spoilage VOCs appear which to occupy overlapping space with the freshness VOCs are actually well separated. This becomes quite evident if we examine 3D plot PC1-PC2-PC3 in Fig. 2. It can be seen that the entire freshness marker VOCs are separated from the entire spoilage marker VOCs. This plot is shown with a camera view in MatLab from an angle where the full separation between the two types of VOCs look convincing. The freshness VOCs are shown encircled. These results suggest that by pooling the entire freshness marker VOCs as a single class the state of milk freshness can be ascertained by discriminating it against the spoilage marker VOCs. A striking feature in these plots is the occurrence of indole (a freshness indicator) as a well formed cluster distinctly separate from the rest. This suggests that the discrimination of indole

ผลลัพธ์ (ไทย) 2:

5.2 การจัดหมวดหมู่แบบ
ผลกระทบของการเลือกลิเมอร์ได้รับการตรวจสอบโดยใช้การวิเคราะห์องค์ประกอบหลัก (PCA) ไปยังอาร์เรย์เซ็นเซอร์ตอบสนองเมทริกซ์ (ไอระเหยในแถวเอาท์พุทอาร์เรย์เซ็นเซอร์ในคอลัมน์) สำหรับการวิเคราะห์นี้การตอบสนองอาร์เรย์เซ็นเซอร์ได้ปกติด้วยความเคารพต่อความเข้มข้นของไอน้ำและปรับขนาดลอการิทึมด้วยเหตุผลที่อธิบายใน [35119] ปรับลอการิทึมของการตอบสนองเซ็นเซอร์ SAW ได้รับพบว่ามีการเสริมสร้างเสมอแยกของชั้นเรียนไอในพื้นที่องค์ประกอบหลักจึงปรับปรุงประสิทธิภาพการจัดหมวดหมู่ [35] มะเดื่อ 1 แสดงแปลงคะแนนองค์ประกอบหลักสำหรับทุก Headspace VOCs กว่านมตามที่ระบุไว้ในตารางที่ 1 ภูมิภาคเขตแดนโดยขอบเขตโค้งใกล้จุดที่มีข้อมูลที่เกี่ยวข้องส่วนใหญ่กับ VOCs นมสดยกเว้นข้อยกเว้นบางประการที่อยู่ใกล้เขตแดน ที่โดดเด่นที่สุดข้อยกเว้นเครื่องหมายการเน่าเสียกรดเฮกชาโนอิกและกรดจุด octanoic ใน PC1-PC2 แปลงรูป 1 (ก) เหล่านี้จะเห็นให้อยู่ในขอบเขต VOCs สดแม้ว่าพวกเขาจะปรากฏเป็นกลุ่มที่มีขนาดกะทัดรัด แต่กลุ่มเหล่านี้จะถูกแยกออกจากกันอย่างดีจากความสดเครื่องหมาย VOCs ในทิศทาง PC3 เท่าที่เห็นอย่างชัดเจนในรูป 1 (ข) สามกลุ่มอื่น ๆ (octanal, nonanal 2 nonanone) ที่เกิดขึ้นนอกขอบเขตเครื่องหมายความสดใหม่ในการวางแผน PC1-PC2 จะเห็นต้องอยู่ภายในขอบเขตในการวางแผน PC1-PC3 นั่นคือในประมาณการองค์ประกอบหลัก 2D บาง VOCs เน่าเสียซึ่งปรากฏขึ้นเพื่อให้ใช้พื้นที่ทับซ้อนที่มีความสดใหม่ VOCs เป็นจริงแยกดี เรื่องนี้กลายเป็นที่เห็นได้ชัดมากถ้าเราตรวจสอบล็อต 3D PC1-PC2-PC3 ในรูป 2. มันจะเห็นได้ว่า VOCs เครื่องหมายความสดทั้งหมดจะถูกแยกออกจากสารอินทรีย์ระเหยเครื่องหมายการเน่าเสียทั้งหมด พล็อตนี้จะแสดงด้วยมุมมองกล้องใน MATLAB จากมุมที่แยกเต็มรูปแบบระหว่างทั้งสองประเภทของ VOCs ดูน่าเชื่อ VOCs ความสดจะแสดงล้อมรอบ ผลการศึกษานี้ชี้ให้เห็นว่าโดยรวมกำไร VOCs เครื่องหมายความสดทั้งหมดเป็นชั้นเดียวสภาพของความสดนมที่สามารถตรวจสอบได้โดยแบ่งแยกมันกับ VOCs เครื่องหมายการเน่าเสีย คุณลักษณะที่โดดเด่นในแปลงเหล่านี้คือการเกิดขึ้นของอินโดล (ตัวบ่งชี้ความสด) เป็นคลัสเตอร์ที่ดีขึ้นอย่างเห็นได้ชัดที่แยกต่างหากจากส่วนที่เหลือ นี้แสดงให้เห็นว่าการเลือกปฏิบัติของอินโด

ผลลัพธ์ (ไทย) 3:

5.2 . รูปแบบหมวดหมู่
ผลกระทบของการเลือกพอลิเมอร์ถูกตรวจสอบโดยใช้การวิเคราะห์องค์ประกอบหลัก ( PCA ) เซนเซอร์ตอบสนองเมทริกซ์ ( ไอในแถว , เซนเซอร์ผลในคอลัมน์ ) สำหรับการวิเคราะห์นี้เซนเซอร์ตอบสนองเป็นปกติส่วนไอความเข้มข้นและ logarithmically ปรับด้วยเหตุผลที่อธิบายไว้ใน [ 35119 ]การปรับขนาดของเซ็นเซอร์ลอการิทึมเห็นการตอบสนองที่ได้รับการพบจะเสมอเพิ่มการแยกออกของไอคลาส ในองค์ประกอบหลักพื้นที่ ดังนั้นการเพิ่มประสิทธิภาพ [ 35 ] รูปที่ 1 แสดงคะแนนองค์ประกอบหลักแปลงเฮดสเปซสารมากกว่านมทั้งหมดตามที่ระบุไว้ในตารางที่ 1ภูมิภาค demarcated โดยปิดโค้งขอบมีจุดข้อมูลที่ส่วนใหญ่เกี่ยวข้องกับนมสดสารยกเว้นข้อยกเว้นบางใกล้เขตแดน ข้อยกเว้นที่โดดเด่นที่สุดคือการแต้มกรดออกทาโนอิก , กรดเฮกซาโนอิก และใน pc1-pc2 แปลงรูปที่ 1 ( a ) เหล่านี้จะเห็นได้ภายในสารสดเขตแดนแม้ว่าพวกเขาจะปรากฏเป็นขนาดกลุ่ม อย่างไรก็ตามกลุ่มเหล่านี้จะแยกออกจากความสดชื่นในทิศทางให้ชัดเจนด้วยเครื่องหมาย " / " ที่เห็นในรูปที่ 1 ( B ) ส่วนอีก 3 กลุ่ม ( octanal , โนนานาล 2 nonanone ) ซึ่งเกิดขึ้นภายนอกขอบเขตสดเครื่องหมาย pc1-pc2 พล็อตจะเห็นอยู่ภายในขอบเขตในแปลง pc1-pc3 . นั่นคือองค์ประกอบหลักใน 2D ประมาณการบางสารของเสียปรากฏซึ่งครอบครองพื้นที่ทับซ้อนกับความสดชื่นของสารอินทรีย์ระเหยง่ายจริง ๆ ก็แยกทางกัน นี้จะเห็นได้ชัดทีเดียว ถ้าเราตรวจสอบ pc1-pc2-pc3 แปลง 3D ในรูปที่ 2 จะเห็นได้ว่า ทั้งความสด เครื่องหมาย " / " แยกออกจากการเน่าเสียของสารอินทรีย์ระเหยง่ายทั้งหมดเครื่องหมาย .แผนนี้จะแสดงด้วยกล้องดูในโปรแกรม MATLAB จากมุมที่แยกเต็มรูปแบบระหว่างสองประเภทของสารอินทรีย์ระเหยง่าย ดูน่าเชื่อถือ ตุนสารแสดงล้อมรอบ . ผลลัพธ์เหล่านี้ชี้ให้เห็นว่าโดยรวมทั้งความสดเครื่องหมายง่ายเป็นชั้นเดียว สภาพความสดของนม ที่สามารถพัฒนาโดยจำแนกมันกับการเน่าเสียเครื่องหมาย " / " .คุณลักษณะที่โดดเด่นในแปลงเหล่านี้คือ การเกิดของอินโดล ( ดัชนีวัดความสด ) เป็นอย่างดี กลุ่มเด่นชัดขึ้นแยกต่างหากจากส่วนที่เหลือ นี้แสดงให้เห็นว่าการเลือกปฏิบัติของอินโดล