| Attributes | Values |
|---|
| rdf:type
| |
| Description
| - Analýza hlavních komponent (PCA) je metoda používaná pro vyhodnocování vibračních spekter, neboť umožňuje oddělení důležitých informací od minoritních vlivů. Z pohledu struktury dat je nejcennější informace zobrazena v grafech skóre několika hlavních komponent (PC), z pohledu posouzení příspěvku různých spektrálních oblastí jsou klíčové grafy x-zátěží. Spornými problémy PCA jsou jednak identifikace odlehlých dat pro různé spektrální proměnné a různé hlavní komponenty, jednak vzájemná porovnání více rozsáhlých spektrálních datových souborů. Pro řešení těchto problémů usilujeme o zavedení modelu regulačních diagramů do multivariační spektrální analýzy, a to jejich integrací do jednoho algoritmu s PCA. Byla vyvinuta utilita pro porovnání nových vzorků (spektrálních datových souborů) s předchozí sadou dat (kalibrační) pro data v jednotlivých hlavních komponentách. Podobné datové soubory jsou potom v rámci regulačních mezí (příp. varovných mezí), zatímco odlišná spektrální data tyto meze překračují. Korelo (cs)
- Principal component analysis (PCA) is a method used for evaluation of vibration spectra that allows separating important information from the minor effects. From the point of view of data structure the most valuable information is depicted in score graphs of several Principal Components (PCs), the contribution of various spectral regions can be viewed in the x-loadings charts. Questionable problems of PCA are the identification of outliers for various spectral variables and various PCs and mainly how to compare mutually multiple large spectral data sets. To solve these issues we attempt to introduce control charts in multivariate spectral analysis integrating them with PCA. A utility was developed to provide comparison of new samples (spectral data sets) according to previous set (calibration) for data in individual PCs. Similar spectral data sets are then inside the control limits while the different spectral data exceed the limits. The correlated data in individual PCs can be easily distinguished fr
- Principal component analysis (PCA) is a method used for evaluation of vibration spectra that allows separating important information from the minor effects. From the point of view of data structure the most valuable information is depicted in score graphs of several Principal Components (PCs), the contribution of various spectral regions can be viewed in the x-loadings charts. Questionable problems of PCA are the identification of outliers for various spectral variables and various PCs and mainly how to compare mutually multiple large spectral data sets. To solve these issues we attempt to introduce control charts in multivariate spectral analysis integrating them with PCA. A utility was developed to provide comparison of new samples (spectral data sets) according to previous set (calibration) for data in individual PCs. Similar spectral data sets are then inside the control limits while the different spectral data exceed the limits. The correlated data in individual PCs can be easily distinguished fr (en)
|
| Title
| - Control charts for chemometric evaluation of Raman spectra
- Control charts for chemometric evaluation of Raman spectra (en)
- Regulační diagramy pro chemometrické vyhodnocování Ramanových spekter (cs)
|
| skos:prefLabel
| - Control charts for chemometric evaluation of Raman spectra
- Control charts for chemometric evaluation of Raman spectra (en)
- Regulační diagramy pro chemometrické vyhodnocování Ramanových spekter (cs)
|
| skos:notation
| - RIV/60461373:22340/05:00014726!RIV06-MSM-22340___
|
| http://linked.open.../vavai/riv/strany
| |
| http://linked.open...avai/riv/aktivita
| |
| http://linked.open...avai/riv/aktivity
| |
| http://linked.open...iv/cisloPeriodika
| |
| http://linked.open...vai/riv/dodaniDat
| |
| http://linked.open...aciTvurceVysledku
| |
| http://linked.open.../riv/druhVysledku
| |
| http://linked.open...iv/duvernostUdaju
| |
| http://linked.open...titaPredkladatele
| |
| http://linked.open...dnocenehoVysledku
| |
| http://linked.open...ai/riv/idVysledku
| - RIV/60461373:22340/05:00014726
|
| http://linked.open...riv/jazykVysledku
| |
| http://linked.open.../riv/klicovaSlova
| - PCA; Control charts; Raman spectra; Chemometric evaluation (en)
|
| http://linked.open.../riv/klicoveSlovo
| |
| http://linked.open...odStatuVydavatele
| |
| http://linked.open...ontrolniKodProRIV
| |
| http://linked.open...i/riv/nazevZdroje
| |
| http://linked.open...in/vavai/riv/obor
| |
| http://linked.open...ichTvurcuVysledku
| |
| http://linked.open...cetTvurcuVysledku
| |
| http://linked.open...UplatneniVysledku
| |
| http://linked.open...v/svazekPeriodika
| |
| http://linked.open...iv/tvurceVysledku
| - Člupek, Martin
- Matějka, Pavel
- Volka, Karel
|
| http://linked.open...n/vavai/riv/zamer
| |
| issn
| |
| number of pages
| |
| http://localhost/t...ganizacniJednotka
| |
| is http://linked.open...avai/riv/vysledek
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
![[cxml]](/fct/images/cxml_doc.png)
![[csv]](/fct/images/csv_doc.png)
![[text]](/fct/images/ntriples_doc.png)
![[turtle]](/fct/images/n3turtle_doc.png)
![[ld+json]](/fct/images/jsonld_doc.png)
![[rdf+json]](/fct/images/json_doc.png)
![[rdf+xml]](/fct/images/xml_doc.png)
![[atom+xml]](/fct/images/atom_doc.png)
![[html]](/fct/images/html_doc.png)