3.3. Classification of Fibres on th

3.3. Classification of Fibres on the Basis of PCA Analysis of ATR-FT-IR Spectra
Classification of fibres was carried out with Thermo Scientific TQ Analyst Pro software using discriminant analysis which is based on principal component analysis [12].
3.3.1. Classification of Pure Single-component Fibres
Altogether 89 spectra of 11 most common textile fibre classes were used for creating the PCA model and to perform the discriminant analysis. With this model for one component analysis the variances described by the first three principal components were: PC1 45%; PC2 31% and PC3 13%. When illustrating the results with PCA plots, only three principal components are used and it can be seen that some classes significantly overlap. Discriminant analysis can use more than three principal components and this is why with discriminant analysis it is possible to distinguish classes that are superimposed in PCA graph. PCA graph can be seen on Fig. 2.

Fig. 2.
PCA graph of pure fibres using three principal components (PC1, PC2, PC3).

In order to validate the classification scheme, eight control samples were used. For each control sample two most similar fibre classes were calculated, in most cases using several spectra (measured from different parts of the textile sample). Table 2 shows the results of validation of classification of pure fibres.

ผลลัพธ์ (ไทย) 1:

3.3 การจัดประเภทของเส้นใยบนพื้นฐานของการวิเคราะห์สเปกตรัมเอทีอาร์-ฟุต-IR PCAการจำแนกประเภทของเส้นใยได้ดำเนินการกับเทอร์โมวิทยาศาสตร์แต่งตั้งนักวิเคราะห์ Pro ซอฟต์แวร์โดยใช้การวิเคราะห์ discriminant ซึ่งตามการวิเคราะห์ส่วนประกอบหลัก [12]3.3.1. การจำแนกประเภทของเส้นใยส่วนประกอบเดียวบริสุทธิ์สเปกตรัมทั้งหมด 89 11 สิ่งทอไฟเบอร์คลาทั่วไปถูกใช้ สำหรับการสร้างแบบจำลอง PCA และทำการวิเคราะห์ discriminant ด้วยแบบจำลองสำหรับการวิเคราะห์ส่วนหนึ่ง ต่างที่อธิบายไว้ โดยคอมโพเนนต์หลักที่สามเป็นอันดับแรกถูก: PC1 45% PC2 PC3 และ 31% 13% เมื่อแสดงผลลัพธ์ ด้วยผืน PCA จะใช้คอมโพเนนต์หลักที่สาม และจะเห็นได้ว่า บางประเภทที่ซ้อนกันอย่างมีนัยสำคัญ การวิเคราะห์ discriminant สามารถใช้คอมโพเนนต์หลักมากกว่าสาม และนี่คือทำไมต้องใช้ discriminant วิเคราะห์สามารถแยกแยะระดับชั้นที่ซ้อนทับในกราฟ PCA คุณจะได้ PCA กราฟ 2 รูป รูป 2 กราฟ PCA ของเส้นใยบริสุทธิ์ที่ใช้คอมโพเนนต์หลักสาม (PC1, PC2, PC3)เพื่อตรวจสอบแผนงานการจัดประเภท ตัวควบคุมแปดอย่างน้ สำหรับตัวควบคุมแต่ละ ตัวอย่างสองคล้ายไฟเบอร์ชั้นเรียนคำนวณ ในกรณีส่วนใหญ่ที่ใช้หลายมุม (วัดจากส่วนต่าง ๆ ของตัวอย่างสิ่งทอ) ตารางที่ 2 แสดงผลของการตรวจสอบการจัดประเภทของเส้นใยบริสุทธิ์

ผลลัพธ์ (ไทย) 2:

3.3 การจำแนกประเภทของ Fibres บนพื้นฐานของการวิเคราะห์ของ PCA ATR-FT-IR สเปกตรัม
การจำแนกประเภทของเส้นใยได้ดำเนินการกับ Thermo Scientific TQ นักวิเคราะห์ Pro ซอฟต์แวร์โดยใช้การวิเคราะห์จำแนกซึ่งอยู่บนพื้นฐานการวิเคราะห์องค์ประกอบหลัก [12].
3.3.1 การจำแนกประเภทของ Fibres เดียวองค์ประกอบบริสุทธิ์
พรึบ 89 สเปกตรัมของ 11 สิ่งทอที่พบมากที่สุดในชั้นเรียนใยถูกนำมาใช้สำหรับการสร้างแบบจำลอง PCA และจะดำเนินการวิเคราะห์จำแนก กับรุ่นนี้สำหรับการวิเคราะห์ความแปรปรวนองค์ประกอบหนึ่งที่อธิบายไว้โดยสามองค์ประกอบหลักเป็นครั้งแรก: PC1 45%; PC2 31% และ 13% PC3 เมื่อแสดงผลกับแปลง PCA เพียงสามองค์ประกอบหลักมีการใช้และก็จะเห็นได้ว่าบางชั้นเรียนอย่างมีนัยสำคัญที่ทับซ้อนกัน การวิเคราะห์จำแนกสามารถใช้มากกว่าสามองค์ประกอบหลักและนี่คือเหตุผลที่มีการวิเคราะห์จำแนกมันเป็นไปได้ที่จะเห็นความแตกต่างชั้นเรียนที่มีการซ้อนทับใน PCA กราฟ PCA กราฟสามารถมองเห็นในรูป 2.

รูป 2.
กราฟ PCA ของเส้นใยบริสุทธิ์โดยใช้องค์ประกอบหลักสาม (PC1, PC2, PC3.)

เพื่อให้ตรวจสอบโครงการจัดหมวดหมู่แปดตัวอย่างการควบคุมถูกนำมาใช้ สำหรับตัวอย่างการควบคุมแต่ละสองชั้นเส้นใยคล้ายกันมากที่สุดจะถูกคำนวณในกรณีส่วนใหญ่ใช้หลายสเปกตรัม (วัดจากส่วนต่าง ๆ ของกลุ่มตัวอย่างสิ่งทอ) ตารางที่ 2 แสดงผลการตรวจสอบของการจำแนกประเภทของเส้นใยบริสุทธิ์

ผลลัพธ์ (ไทย) 3:

3.3 . ประเภทของเส้นใยบนพื้นฐานของการวิเคราะห์ระบบของ atr-ft-ir สเปกตรัมประเภทของเส้นใยที่ได้ดำเนินการกับเทอร์โมวิทยาศาสตร์พิมพ์ดีด Pro ซอฟต์แวร์ที่ใช้จำแนกการวิเคราะห์นักวิเคราะห์ที่อยู่บนพื้นฐานของการวิเคราะห์องค์ประกอบหลัก [ 12 ]3.3.1 . การจำแนกส่วนประกอบเดียวเส้นใยบริสุทธิ์ทั้งหมด 89 สเปกตรัม 11 พบมากที่สุดสิ่งทอเส้นใยชั้นเรียนถูกใช้สำหรับสร้างพีซีรูปแบบและแสดงการวิเคราะห์จำแนก รุ่นนี้สำหรับการวิเคราะห์ความแปรปรวนการอธิบายครั้งแรกโดยหลักสามด้าน : PC 45% ; pc2 31 และด้วย 13 % เมื่อแสดงผลจะถูกแปลง ส่วนประกอบหลัก 3 เท่านั้นที่ใช้ และจะเห็นได้ว่าบางวิชาอย่างทับซ้อนกัน การวิเคราะห์สามารถใช้มากกว่าสามหลัก ส่วนประกอบ และนี้คือเหตุผลที่มีการวิเคราะห์มันเป็นไปได้ที่จะแยกชั้นเรียนที่ถูกซ้อนทับในกราฟ PCA กราฟสามารถเห็นได้ในรูปที่ 2รูปที่ 2PCA กราฟของเส้นใยบริสุทธิ์โดยใช้องค์ประกอบหลักสาม ( PC pc2 ด้วย , , )เพื่อตรวจสอบโครงการ 8 ตัวอย่างควบคุมการใช้ สำหรับแต่ละตัวอย่างควบคุม ทั้งสองคล้ายกันมากที่สุดเส้นใยเรียนคำนวณ ส่วนใหญ่ใช้หลายสเปกตรัม ( วัดจากส่วนที่แตกต่างกันของเส้นใย ) ตารางที่ 2 แสดงผลของการตรวจสอบประเภทของเส้นใยบริสุทธิ์