Study of Aged Cognac Using Solid-Phase Microextraction and Partial Least-Squares Regression

2003 ◽  
Vol 51 (26) ◽  
pp. 7738-7742 ◽  
Author(s):  
Vivian A. Watts ◽  
Christian E. Butzke ◽  
Roger B. Boulton
Keyword(s):  
Least Squares ◽  
Partial Least Squares ◽  
Solid Phase Microextraction ◽  
Partial Least Squares Regression ◽  
Solid Phase ◽  
Least Squares Regression

scholarly journals Evolution of Volatile Compounds and Spoilage Bacteria in Smoked Bacon during Refrigeration Using an E-Nose and GC-MS Combined with Partial Least Squares Regression

Molecules ◽  
2018 ◽  
Vol 23 (12) ◽  
pp. 3286 ◽  
Author(s):  
Xinfu Li ◽  
Jiancai Zhu ◽  
Cong Li ◽  
Hua Ye ◽  
Zhouping Wang ◽  
...  
Keyword(s):  
Least Squares ◽  
Partial Least Squares ◽  
Partial Least Squares Regression ◽  
Solid Phase ◽  
Detection Methods ◽  
Gas Chromatography Mass Spectrometry ◽  
Least Squares Regression ◽  
Ethyl Hexanoate ◽  
Spoilage Bacteria

The changes in the concentration of volatile organic compounds (VOCs) and biogenic amines (BAs) in smoked bacon during 45-day refrigerated storage is investigated using solid-phase micro-extraction coupled with gas chromatography-mass spectrometry and high-performance liquid chromatography. In total, 56 VOCs and 6 BAs were identified and quantified. The possible pathways leading to their formation are analyzed and considered as the potential signs of microbial activity, especially by specific spoilage microorganisms (SSOs). Leuconostoc and Lactobacillus, which levels increased markedly with the extension of storage time, were recognized as SSOs. An electronic nose (e-nose) was employed to determine the changes in concentration of the odor components per sample present within half an hour. Partial least squares regression was then carried out to analyze the correlation between SSO growth, metabolite concentration, BA accumulation, and e-nose response. The results show that ten VOCs (ethanol, 2-furanmethanol, 1-hexanol, 1-propanol, phenol, 2-methoxyphenol, acetic acid, 3-ethyl-2-cyclopenten-1-one, furfural, and ethyl hexanoate) and three BAs (putrescine, cadaverine, and tyramine) can be associated with the growth of SSOs. Thus, they can be adopted as potential indicators to evaluate and monitor the quality of the bacon and develop appropriate detection methods. E-noses can used to recognize odors and diagnose quality of bacon.

Use of reflectance spectroscopy to estimate the organic carbon and CaCO3 contents of soils

2012 ◽  
Vol 61 (2) ◽  
pp. 277-290 ◽  
Author(s):  
Ádám Csorba ◽  
Vince Láng ◽  
László Fenyvesi ◽  
Erika Michéli
Keyword(s):  
Organic Carbon ◽  
Least Squares ◽  
Partial Least Squares ◽  
Partial Least Squares Regression ◽  
Mean Squared Error ◽  
Reflectance Spectroscopy ◽  
Least Squares Regression ◽  
Root Mean Squared Error ◽  
Squared Error

Napjainkban egyre nagyobb igény mutatkozik olyan technológiák és módszerek kidolgozására és alkalmazására, melyek lehetővé teszik a gyors, költséghatékony és környezetbarát talajadat-felvételezést és kiértékelést. Ezeknek az igényeknek felel meg a reflektancia spektroszkópia, mely az elektromágneses spektrum látható (VIS) és közeli infravörös (NIR) tartományában (350–2500 nm) végzett reflektancia-mérésekre épül. Figyelembe véve, hogy a talajokról felvett reflektancia spektrum információban nagyon gazdag, és a vizsgált tartományban számos talajalkotó rendelkezik karakterisztikus spektrális „ujjlenyomattal”, egyetlen görbéből lehetővé válik nagyszámú, kulcsfontosságú talajparaméter egyidejű meghatározása. Dolgozatunkban, a reflektancia spektroszkópia alapjaira helyezett, a talajok ösz-szetételének meghatározását célzó módszertani fejlesztés első lépéseit mutatjuk be. Munkánk során talajok szervesszén- és CaCO3-tartalmának megbecslését lehetővé tévő többváltozós matematikai-statisztikai módszerekre (részleges legkisebb négyzetek módszere, partial least squares regression – PLSR) épülő prediktív modellek létrehozását és tesztelését végeztük el. A létrehozott modellek tesztelése során megállapítottuk, hogy az eljárás mindkét talajparaméter esetében magas R2értéket [R2(szerves szén) = 0,815; R2(CaCO3) = 0,907] adott. A becslés pontosságát jelző közepes négyzetes eltérés (root mean squared error – RMSE) érték mindkét paraméter esetében közepesnek mondható [RMSE (szerves szén) = 0,467; RMSE (CaCO3) = 3,508], mely a reflektancia mérési előírások standardizálásával jelentősen javítható. Vizsgálataink alapján arra a következtetésre jutottunk, hogy a reflektancia spektroszkópia és a többváltozós kemometriai eljárások együttes alkalmazásával, gyors és költséghatékony adatfelvételezési és -értékelési módszerhez juthatunk.

Speech Emotion Recognition Based on Sparse Representation

2013 ◽  
Vol 38 (4) ◽  
pp. 465-470 ◽  
Author(s):  
Jingjie Yan ◽  
Xiaolan Wang ◽  
Weiyi Gu ◽  
LiLi Ma
Keyword(s):  
Dimensionality Reduction ◽  
Emotion Recognition ◽  
Least Squares ◽  
Partial Least Squares ◽  
Partial Least Squares Regression ◽  
Speech Emotion Recognition ◽  
Least Squares Regression ◽  
Computer Science Pedagogy ◽  
Reduction Methods ◽  
Analysis Computer

Abstract Speech emotion recognition is deemed to be a meaningful and intractable issue among a number of do- mains comprising sentiment analysis, computer science, pedagogy, and so on. In this study, we investigate speech emotion recognition based on sparse partial least squares regression (SPLSR) approach in depth. We make use of the sparse partial least squares regression method to implement the feature selection and dimensionality reduction on the whole acquired speech emotion features. By the means of exploiting the SPLSR method, the component parts of those redundant and meaningless speech emotion features are lessened to zero while those serviceable and informative speech emotion features are maintained and selected to the following classification step. A number of tests on Berlin database reveal that the recogni- tion rate of the SPLSR method can reach up to 79.23% and is superior to other compared dimensionality reduction methods.

Sign in / Sign up

Export Citation Format

Share Document