Due to the large number of variable

Due to the large number of variables studied, it was necessary
to discern which of these contributed to the changes occurring during
storage. Therefore, Principal Component Analysis (PCA) was
performed to provide an easy visualisation of the complete data
set in a reduced dimension plot. A PCA was performed to provide
an overview of the samples and the variables (Fig. 5). The PCA included
seven treatments, at two different stages: fresh and after
7 days of storage, as well as 23 variables: 6 composition data
(moisture, protein, ash, soluble fibre, insoluble fibre, total dietary
fibre), 12 physical properties (loaf volume, loaf weight, loaf density,
loaf height, maximum stress and load, crumb colour parameters:
HL, a, and b, crust colour parameters: HL, a, and b), five
physicochemical properties (FW, UFW, amylopectin crystallization,
storage modulus at 25 C and maximum moisture loss temperature).
Models exhibited tight and well-separated clusters of physicochemical
properties of breads. Inter-class distances >3.0
among clusters depicted significant difference between properties,
thus indicating what properties characterised the most difference
among treatments.

ผลลัพธ์ (ไทย) 2:

เนื่องจากการจำนวนมากของตัวแปรที่ศึกษามันก็จำเป็นที่จะมองเห็นซึ่งเหล่านี้มีส่วนทำให้การเปลี่ยนแปลงที่เกิดขึ้นในระหว่างการเก็บรักษา ดังนั้นการวิเคราะห์องค์ประกอบหลัก (PCA) ได้รับการดำเนินการเพื่อให้การแสดงง่ายของข้อมูลที่สมบูรณ์ตั้งอยู่ในพล็อตมิติลดลง PCA ได้ดำเนินการเพื่อให้ภาพรวมของกลุ่มตัวอย่างและตัวแปร(รูปที่. 5) PCA รวมเจ็ดการรักษาที่สองขั้นตอนที่แตกต่างกันสดและหลังจาก7 วันของการจัดเก็บเช่นเดียวกับ 23 ตัวแปร: 6 ข้อมูลองค์ประกอบ(ความชื้นโปรตีนเถ้าเส้นใยที่ละลายน้ำไฟเบอร์ที่ไม่ละลายน้ำอาหารทั้งหมดเส้นใย) 12 คุณสมบัติทางกายภาพ ( ปริมาณก้อนน้ำหนักก้อนความหนาแน่นของก้อนสูงก้อนความเครียดสูงสุดและโหลดพารามิเตอร์สีเศษ: HL, และขพารามิเตอร์สีเปลือก: HL, และข) ห้าคุณสมบัติทางเคมีกายภาพ(FW, UFW ตกผลึก amylopectin , โมดูลัสการเก็บรักษาที่ 25 องศาเซลเซียสและอุณหภูมิสูงสุดสูญเสียความชุ่มชื้น). รุ่นแสดงกระจุกแน่นและดีแยกทางเคมีกายภาพของคุณสมบัติของขนมปัง ระยะห่างระหว่างชั้น> 3.0 ในหมู่กลุ่มภาพความแตกต่างระหว่างคุณสมบัติจึงแสดงให้เห็นว่าสิ่งที่คุณสมบัติที่โดดเด่นแตกต่างมากที่สุดในหมู่การรักษา

ผลลัพธ์ (ไทย) 3:

เนื่องจากตัวเลขขนาดใหญ่ของตัวแปรที่ศึกษา ก็จำเป็น
แยกแยะ ซึ่งของเหล่านี้สนับสนุนการเปลี่ยนแปลงที่เกิดขึ้นระหว่าง
กระเป๋า . ดังนั้น การวิเคราะห์องค์ประกอบหลัก ( PCA )
) เพื่อให้ภาพที่ง่ายของข้อมูลสมบูรณ์
ชุดลดขนาดแปลง เป็นระบบแสดงให้
ภาพรวมของตัวอย่างและตัวแปร ( ภาพที่ 5 ) พีซีรวม
7 การรักษาที่แตกต่างกันสองขั้นตอน : สดและหลัง
7 วัน กระเป๋า รวมทั้ง 23 ตัวแปร : 6 องค์ประกอบข้อมูล
( ความชื้น , โปรตีน , เส้นใยอาหารที่ไม่ละลายน้ำละลายเถ้า , ไฟเบอร์ , ใยอาหารรวม
เส้นใย ) , 12 คุณสมบัติทางกายภาพ ( ก้อนปริมาณก้อนน้ำหนักก้อน , ความหนาแน่น ,
ก้อนความสูงสูงสุด ความเครียดและโหลด เศษสีพารามิเตอร์ :
HL , A และ B , เปลือกสีพารามิเตอร์ : HL , A และ B ) 5
,สมบัติทางเคมี ( FW ufw , อะไมโลเพคติน , ตกผลึก ,
กระเป๋าัสที่ 25 องศาเซลเซียส และสูงสุด  การสูญเสียความชื้นอุณหภูมิ ) .
รุ่นจัดแสดงแน่นและดีแยกกลุ่มของสมบัติทางเคมีกายภาพ
ของขนมปัง อินเตอร์ คลาสระยะทาง 3.0
ระหว่างกลุ่มที่กล่าวถึงความแตกต่างระหว่างคุณสมบัติ จึงแสดงคุณสมบัติเอกลักษณ์

ความแตกต่างมากที่สุดระหว่างการรักษา