Deutsch
Albanian
Arabic
Armenian
Azerbaijani
Belarusian
Bengali
Bosnian
Catalan
Czech
Danish
Deutsch
Dutch
English
Estonian
Finnish
Français
Greek
Haitian Creole
Hebrew
Hindi
Hungarian
Icelandic
Indonesian
Irish
Italian
Japanese
Korean
Latvian
Lithuanian
Macedonian
Mongolian
Norwegian
Persian
Polish
Portuguese
Romanian
Russian
Serbian
Slovak
Slovenian
Spanish
Swahili
Swedish
Turkish
Ukrainian
Vietnamese
Български
中文(简体)
中文(繁體)
Analytical and Bioanalytical Chemistry 2011-Jan

Sample classification for improved performance of PLS models applied to the quality control of deep-frying oils of different botanic origins analyzed using ATR-FTIR spectroscopy.

Nur registrierte Benutzer können Artikel übersetzen
Einloggen Anmelden
Der Link wird in der Zwischenablage gespeichert
Julia Kuligowski
David Carrión
Guillermo Quintás
Salvador Garrigues
Miguel de la Guardia

Schlüsselwörter

Abstrakt

The selection of an appropriate calibration set is a critical step in multivariate method development. In this work, the effect of using different calibration sets, based on a previous classification of unknown samples, on the partial least squares (PLS) regression model performance has been discussed. As an example, attenuated total reflection (ATR) mid-infrared spectra of deep-fried vegetable oil samples from three botanical origins (olive, sunflower, and corn oil), with increasing polymerized triacylglyceride (PTG) content induced by a deep-frying process were employed. The use of a one-class-classifier partial least squares-discriminant analysis (PLS-DA) and a rooted binary directed acyclic graph tree provided accurate oil classification. Oil samples fried without foodstuff could be classified correctly, independent of their PTG content. However, class separation of oil samples fried with foodstuff, was less evident. The combined use of double-cross model validation with permutation testing was used to validate the obtained PLS-DA classification models, confirming the results. To discuss the usefulness of the selection of an appropriate PLS calibration set, the PTG content was determined by calculating a PLS model based on the previously selected classes. In comparison to a PLS model calculated using a pooled calibration set containing samples from all classes, the root mean square error of prediction could be improved significantly using PLS models based on the selected calibration sets using PLS-DA, ranging between 1.06 and 2.91% (w/w).

Treten Sie unserer
Facebook-Seite bei

Die vollständigste Datenbank für Heilkräuter, die von der Wissenschaft unterstützt wird

  • Arbeitet in 55 Sprachen
  • Von der Wissenschaft unterstützte Kräuterkuren
  • Kräutererkennung durch Bild
  • Interaktive GPS-Karte - Kräuter vor Ort markieren (in Kürze)
  • Lesen Sie wissenschaftliche Veröffentlichungen zu Ihrer Suche
  • Suchen Sie nach Heilkräutern nach ihrer Wirkung
  • Organisieren Sie Ihre Interessen und bleiben Sie über Neuigkeiten, klinische Studien und Patente auf dem Laufenden

Geben Sie ein Symptom oder eine Krankheit ein und lesen Sie über Kräuter, die helfen könnten, geben Sie ein Kraut ein und sehen Sie Krankheiten und Symptome, gegen die es angewendet wird.
* Alle Informationen basieren auf veröffentlichten wissenschaftlichen Forschungsergebnissen

Google Play badgeApp Store badge