 | 北京盈盛恒泰科技有限責任公司 |
13810615661
在線溝通：
市場部 （市場部經(jīng)理）
- 電話：
- 010-83993593
- 手機：
- 13810615661
- 傳真：
- 010-83993562
- 聯(lián)系我時，
- 告知來自化工儀器網(wǎng)
- 個性化：
- www.ensoultech.com
- 手機站：
- m.ensoultech.com
- 商鋪網(wǎng)址：
- http://sorrent.com.cn/st7254/
- 公司網(wǎng)站：
- http://www.ensoultech.com
電子鼻聚類分析方法有哪些,？
閱讀：3766發(fā)布時間：2020-8-26
聚類分析方法包括：PCA 主成分分析,、Loading 分析、LDA 線性判別分析,。
主成分分析法（PCA）是將原始數(shù)據(jù)（十個傳感器的輸出）通過算法降維成兩個新的指標主成分1（PC1）和主成分2（PC2）（二者沒有信息交叉，且指標無量綱）,，在圖形上顯示分別為X 軸和Y 軸,，性質(zhì)相似的樣品，經(jīng)過降維轉(zhuǎn)換后,，距離上會很靠近,，因此，可以用輸出的圖形來判斷組間的不同和比較組內(nèi)樣品的差異,。通過PCA 可以使所有樣品差異Z大化,，用X 軸和Y 軸來表示的圖形位置是新變量PC1 和PC2 的數(shù)值，值越高意味著,，包含主要原始信息的量越大,，如果兩個變量的總方差貢獻率不低于95%，基本上可以包含樣品的所有原始信息,。
在文本窗口里,，包含了模型文件和樣品以及樣品間的區(qū)分度，數(shù)值越接近于1,，區(qū)分得越顯著,。
該圖顯示的是棗花的Loading 分析圖，從圖中可以看出7 號傳感器W1W 對di一主成分貢獻率大,，同理6 號傳感器W1S 對第二主成分貢獻率大,。Loading 分析的算法與PCA 的算法相同，有很好的相關(guān)性,，不同的是,，PCA 是對樣品的分析,，Loading 分析是對傳感器的分析，可以分析出傳感器區(qū)分樣品的能力,。
分析結(jié)果時,，具有以下規(guī)則：
（1）傳感器在Loading 分析中所在的方向與PCA 方向一致。在同一軸方向的傳感器可以用PCA 思維來分析,。數(shù)值在軸上較大的傳感器對于區(qū)分是有作用的,。
（2）位于圖中央(0，0)附近的傳感器在PCA 結(jié)構(gòu)中對于樣品的區(qū)分作用較小,。在當前的模板文件中,，Loading分析有利于識別對區(qū)分有用的傳感器。只要他們對區(qū)分過程有負面影響,，單一傳感器就可以識別區(qū)分從而關(guān)閉分析,。
LDA 線性判別分析是區(qū)分-應(yīng)用-分析的di一個步驟。LDA 計算出識別結(jié)果并且類似于PCA-----顯示培訓數(shù)據(jù)設(shè)置的二維圖,。在PCA 和LDA 的區(qū)別是：LDA 算法利用模型每組的信息,，兼顧了組內(nèi)分布和它們間的距離。因此,，LDA 收集了所有傳感器的信息盡力提高組間的差異,，而PCA 不考慮組間的差異，盡可能使每個數(shù)據(jù)點進行Z大化地區(qū)分,。
重要性：DFA/LDA 與PCA 相比,，需要更多的數(shù)據(jù)。我們推薦數(shù)據(jù)點至少是所使用傳感器數(shù)量的6 倍（如10 傳感器就應(yīng)該對應(yīng)于至少60 個獨立數(shù)據(jù)點）,。
以上信息由企業(yè)自行提供，信息內(nèi)容的真實性,、準確性和合法性由相關(guān)企業(yè)負責,，化工儀器網(wǎng)對此不承擔任何保證責任。 溫馨提示：為規(guī)避購買風險,，建議您在購買產(chǎn)品前務(wù)必確認供應(yīng)商資質(zhì)及產(chǎn)品質(zhì)量,。