One-class partial least squares (OC

One-class partial least squares (OCPLS) classifier is investigated as a tool for multivariate statistical quality control (MSQC). According to the OCPLS score distance (SD) and absolute centered residual (ACR) of predicted response, an object can be classified into one of the four groups: regular points (with a small SD and a small ACR), class outliers (with a small SD and a large ACR), good leverage points (with a large SD and a small ACR) and bad leverage points (with a large SD and a large ACR). The correlation between OCPLS distance measures and some existing methods, including D-statistic, Q-statistic and correlation coefficient (Pearson's r), is briefly discussed. OCPLS is applied to non-targeted detection of adulterations in whole milk powder using near-infrared (NIR) spectroscopy. The results demonstrate OCPLS can provide an effective tool for MSQC by including both SD and ACR of predicted response.

ผลลัพธ์ (ไทย) 1:

Classifier ชั้นหนึ่งบางส่วน (OCPLS) กำลังสองน้อยที่สุดเป็นการตรวจสอบเป็นเครื่องมือสำหรับควบคุมการคุณภาพที่ทางสถิติตัวแปรพหุ (MSQC) ตาม OCPLS คะแนนห่างจากที่พัก (SD) และนอนตรงกลางส่วนที่เหลือจาก (ACR) ของผลตอบรับที่คาดการณ์ วัตถุสามารถแบ่งได้เป็นหนึ่งในกลุ่มที่ 4: ประจำจุด (มี SD เล็กและ ACR เล็ก), คลาส outliers (มี SD เล็กและ ACR ใหญ่), จุดยกระดับดี (มี SD ขนาดใหญ่และ ACR เล็ก) และจุดยกระดับดี (มี SD ขนาดใหญ่และ ACR ใหญ่) สั้น ๆ มีการกล่าวถึงความสัมพันธ์ระหว่างหน่วยวัดระยะทาง OCPLS และบางวิธีที่มีอยู่ รวมทั้ง D-สถิติ สถิติ Q และสัมประสิทธิ์สหสัมพันธ์ (r ของ Pearson), OCPLS จะใช้การตรวจหารายการที่ไม่ใช่เป้าหมายของ adulterations ในนมผงที่ใช้อินฟราเรดใกล้ (NIR) ก ผลลัพธ์แสดงให้เห็นถึง OCPLS สามารถให้เป็นเครื่องมือที่มีประสิทธิภาพสำหรับ MSQC โดย SD และ ACR ของผลตอบรับที่คาดการณ์

ผลลัพธ์ (ไทย) 2:

หนึ่งระดับบางส่วนน้อยสแควร์ (OCPLS) จําแนกการตรวจสอบจะเป็นเครื่องมือในการควบคุมคุณภาพทางสถิติหลายตัวแปร (MSQC) ตามที่ OCPLS คะแนนระยะทาง (SD) และแน่นอนเป็นศูนย์กลางที่เหลือ (ACR) ของการตอบสนองที่คาดการณ์วัตถุสามารถแบ่งได้เป็นหนึ่งในสี่กลุ่มคือจุดปกติ (ที่มี SD ขนาดเล็กและขนาดเล็ก ACR) ค่าผิดปกติระดับ (ที่มี SD ขนาดเล็กและขนาดใหญ่ ACR) ใช้ประโยชน์จากจุดที่ดี (กับ SD ขนาดใหญ่และขนาดเล็ก ACR) และจุดยกระดับที่ไม่ดี (กับ SD ขนาดใหญ่และขนาดใหญ่ ACR) ความสัมพันธ์ระหว่างมาตรการระยะ OCPLS และบางส่วนวิธีการที่มีอยู่รวมทั้ง D-สถิติ Q-สถิติและค่าสัมประสิทธิ์สหสัมพันธ์ (เพียร์สัน R) เป็นที่กล่าวถึงในเวลาสั้น ๆ OCPLS นำมาใช้กับการตรวจสอบที่ไม่ใช่เป้าหมายของ adulterations ในนมผงโดยใช้อินฟราเรดใกล้ (NIR) สเปกโทรสโก แสดงให้เห็นถึงผลการ OCPLS สามารถให้เครื่องมือที่มีประสิทธิภาพสำหรับ MSQC โดยทั้ง SD และ ACR ของการตอบสนองที่คาดการณ์ไว้

ผลลัพธ์ (ไทย) 3:

หนึ่งชั้นเรียนบางส่วน Least Squares ( ocpls ) แบบตรวจสอบเป็นเครื่องมือสำหรับการควบคุมคุณภาพทางสถิติหลายตัวแปร ( msqc ) ตามไป ocpls คะแนนระยะทาง ( SD ) และแน่นอนศูนย์กลางเหลือ ( ACR ) ทำนายการตอบสนองวัตถุสามารถแบ่งออกเป็นหนึ่งใน 4 กลุ่ม : จุดปกติ ( SD ขนาดเล็กและขนาดเล็กผิดปกติ ( ACR ) เรียนกับ SD ขนาดเล็กและขนาดใหญ่บริษัท ACR ) จุดที่ดี ( กับ SD ขนาดใหญ่ และขนาดเล็ก ) และคะแนนจาก ACR ไม่ดี ( กับ SD ขนาดใหญ่และ ACR ขนาดใหญ่ ) ความสัมพันธ์ระหว่าง ocpls ระยะทางมาตรการและวิธีการบางอย่างที่มีอยู่ รวมทั้ง d-statistic q-statistic และค่าสัมประสิทธิ์สหสัมพันธ์ ( Pearson , ของ R ) ในเวลาสั้น ๆที่กล่าวถึง ocpls ประยุกต์ที่ไม่ใช่เป้าหมายในการ adulterations ผงนมทั้งหมดโดยใช้อินฟราเรดใกล้ ( NIR ) สเปกโทรสโกปี ผลลัพธ์ที่แสดงให้เห็นถึง ocpls สามารถให้เครื่องมือที่มีประสิทธิภาพสำหรับ msqc โดยทั้ง SD และ ACR จากคาดการณ์การตอบสนอง