La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Application au traitement d’un jeu de données d’huiles d’olives.

Présentations similaires


Présentation au sujet: "Application au traitement d’un jeu de données d’huiles d’olives."— Transcription de la présentation:

1 Application au traitement d’un jeu de données d’huiles d’olives.
Tableaux multiples : Application au traitement d’un jeu de données d’huiles d’olives. 187 échantillons 6 origines géographiques Caractérisation chimique (dosage d’acides gras) et spectroscopique (NIR et MIR). Origine des données : Laboratoire des Systèmes chimiques complexes (N. DUPUY) Université Paul Cézanne / Aix Marseille III Traitements réalisés sous Matlab dans l’environnement « SAISIR » G. Mazerolles – Marseille

2 G. Mazerolles – Marseille - 02.06.09

3 G. Mazerolles – Marseille - 02.06.09

4 Determination of common dimensions :
Analyse de co-inertie multiple D. Chessel and M. Hanafi, Analyses de la co-inertie de K nuages de points, Rev. Statistique Appliquée, XLIV-2, (1996) LV/X4 X1 X2 X3 X4 LV/X3 LV/X2 LV/X1 q LV : Latent Variables and associated loadings Weights Data tables Each common component qj can be interpreted according to the variables of the table Xi by depicting the vector of loadings associated to LVj/Xi. G. Mazerolles – Marseille

5 « Consensus » entre NIR (spectres en d2) et concentrations mesurées
Dim #01 Dim #02 Dim #03 Dim #04 NIR 0.12 0.06 0.04 0.02 CONC 0.95 0.00 Pourcentages d'inertie de chaque tableau participant au « consensus » G. Mazerolles – Marseille

6 Scores LV1 et 2 concentration
Scores LV1 et 2 NIR D2 Scores LV1 et 2 concentration Situation de chaque tableau par rapport au « consensus » G. Mazerolles – Marseille

7 Variables « engagées » dans le consensus
Loadings 1 et 2 NIR D2 Loadings 1 et 2 NIR D2 Variables « engagées » dans le consensus G. Mazerolles – Marseille

8 « Consensus » entre MIR (spectres en d2) et concentrations mesurées
Dim #01 Dim #02 Dim #03 Dim #04 MIR 0.65 0.14 0.08 0.05 CONC 0.95 0.00 0.04 Pourcentages d'inertie de chaque tableau participant au « consensus » G. Mazerolles – Marseille

9 Situation de chaque tableau par rapport au « consensus »
Scores LV1 et 2 MIR D2 Scores LV1 et 2 concentration Situation de chaque tableau par rapport au « consensus » G. Mazerolles – Marseille

10 « Consensus » entre MIR (spectres en d2) et concentrations mesurées
Dim #01 Dim #02 Dim #03 Dim #04 MIR 0.65 0.14 0.08 0.05 CONC 0.95 0.00 0.04 Pourcentages d'inertie de chaque tableau participant au « consensus » G. Mazerolles – Marseille

11 Situation de chaque tableau par rapport au « consensus »
Scores LV3 et 4 MIR D2 Scores LV3 et 4 concentration Situation de chaque tableau par rapport au « consensus » G. Mazerolles – Marseille

12 Variables « engagées » dans le consensus
Loadings 3 MIR D2 Loadings 3 et 4 Concentration Variables « engagées » dans le consensus G. Mazerolles – Marseille

13 Consensus entre MIR, NIR (spectres en d2) et concentrations mesurées
0.19 0.59 0.08 0.05 NIR 0.12 0.01 0.04 CONC 0.95 0.02 Pourcentages d'inertie de chaque tableau participant au « consensus » G. Mazerolles – Marseille

14 Situation des tables spectrales par rapport au consensus
Scores LV1 et 2 MIR D2 Scores LV1 et 2 NIR D2 Situation des tables spectrales par rapport au consensus G. Mazerolles – Marseille

15 Consensus entre MIR, NIR (spectres en d2) et concentrations mesurées
0.19 0.59 0.08 0.05 NIR 0.12 0.01 0.04 CONC 0.95 0.02 Pourcentages d'inertie de chaque tableau participant au « consensus » G. Mazerolles – Marseille

16 Situation des tables spectrales par rapport au « consensus »
Scores LV1 et 3 MIR D2 Scores LV1 et 3 NIR D2 Situation des tables spectrales par rapport au « consensus » G. Mazerolles – Marseille


Télécharger ppt "Application au traitement d’un jeu de données d’huiles d’olives."

Présentations similaires


Annonces Google