Search Result of "PCA"

About 68 results
Img

งานวิจัย

PCA and its application (2012)

หัวหน้าโครงการ:Imgดร.ธงชัย สุวรรณสิชณน์, รองศาสตราจารย์

แหล่งทุน:บริษัท อายิโนะโมะโต๊ะ (ประเทศไทย) จำกัด

Img

ผลงานตีพิมพ์ในวารสารวิชาการ

Band selection for hyperspectral imagery with PCA-MIG

ผู้แต่ง:ImgKoonsanit, K., ImgDr.Chuleerat Jaruskulchai, Associate Professor, ImgMr.Apisit Eiumnoh, Associate Professor,

วารสาร:

Img

Img

การประชุมวิชาการ

Band selection for hyperspectral imagery with PCA-MIG

ผู้แต่ง:ImgKoonsanit, K., ImgDr.Chuleerat Jaruskulchai, Associate Professor, ImgMr.Apisit Eiumnoh, Associate Professor,

การประชุมวิชาการ:

Img

Img
Img
Img

ที่มา:บริษัท อายิโนะโมะโต๊ะ (ประเทศไทย) จำกัด

หัวเรื่อง:PCA and its application

หัวหน้าโครงการ:Imgดร.ธงชัย สุวรรณสิชณน์, รองศาสตราจารย์

Img

การประชุมวิชาการ

Band selection for hyperspectral image using principal components analysis and maxima-minima functional

ผู้แต่ง:ImgKitti Koonsanit, ImgDr.Chuleerat Jaruskulchai, Associate Professor,

การประชุมวิชาการ:

Img Img

Img

รางวัล (ประชุมวิชาการ)

Student Travel Grant Award (2014)

ผลงาน:Discrimination of chicken freshness using electronic nose combined with PCA and ANN

นักวิจัย: ImgK. Timsorn Imgดร.ชัชวาล วงศ์ชูสุข, รองศาสตราจารย์ Imgดร.ผกาเกษ วัตุยา, ผู้ช่วยศาสตราจารย์ ImgS. Promdaen ImgS. Sittichat

Doner:Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI) Association, Thailand.

Img

ผลงานตีพิมพ์ในวารสารวิชาการ

Band selection for hyperspectral image using principal components analysis and maxima-minima functional

ผู้แต่ง:ImgKoonsanit, K., ImgDr.Chuleerat Jaruskulchai, Associate Professor,

วารสาร:

Img

Img

Researcher

นางสาว สนธินี ไวยารัตน์, อาจารย์

ที่ทำงาน:ภาควิชาอนามัยชุมชน คณะสาธารณสุขศาสตร์ สกลนคร

Resume

Img

Researcher

นาย อนันต์ อิฟติคาร, ผู้ช่วยศาสตราจารย์

ที่ทำงาน:ภาควิชาอนามัยชุมชน คณะสาธารณสุขศาสตร์ สกลนคร

สาขาที่สนใจ:พฤติกรรมศาสตร์, อนามัยชุมชน, สุขศึกษา, การส่งเสริมสุขภาพ

Resume

Img

ผลงานตีพิมพ์ในวารสารวิชาการ

Detection and Classification of Human Body Odor Using an Electronic Nose

ผู้แต่ง:ImgDr.Chatchawal Wongchoosuk, Associate Professor,

วารสาร:

Img Img

Img
Img

ผลงานตีพิมพ์ในวารสารวิชาการ

Classification of longan fruit bruising using visible spectroscopy

ผู้แต่ง:ImgPholpho, T., ImgDr.Siwalak Pathaveerat, Associate Professor, ImgSirisomboon, P.,

วารสาร:

Img Img

Img

การประชุมวิชาการ

Determination of Heat Sensation of Thai Sweet Chili Sauces by Near Infrared Spectroscopy and Back Propagation Neural Network

ผู้แต่ง:ImgDr.Thongchai Suwonsichon, Associate Professor,

การประชุมวิชาการ:

Img

Img

การประชุมวิชาการ

Combining Features For RGB-D Object Recognition

ผู้แต่ง:ImgWasif Khan, ImgDr.Ekachai Phaisangittisagul, Associate Professor, ImgLuqman Ali, ImgDuangrat Gansawat, ImgItsuo Kumazawa,

การประชุมวิชาการ:

Img
Img
Img

ที่มา:วิทยาสารเกษตรศาสตร์ สาขา วิทยาศาสตร์

หัวเรื่อง:ไม่มีชื่อไทย (ชื่ออังกฤษ : Sensory Properties of Thai Fish Sauces and Their Categorization)

ผู้เขียน:Imgปิติพร ฤทธิเรืองเดช, Imgดร.ธงชัย สุวรรณสิชณน์, รองศาสตราจารย์

สื่อสิ่งพิมพ์:pdf

Abstract

Sensory characteristics of Thai fish sauces is one of the most important factors of consumer perception. This study aims to characterize sensory properties of Thai fish sauces, and to categorize Thai fish sauces based on the sensory properties. Twenty samples composing of 12 commercial Thai fish sauces (P) and 8 commercial Thai mixed fish sauces (M) were collected. Generic descriptive quantitative analysis with twelve trained panelists was used to determine and compare the sensory characteristics of samples. The results showed that there were fifteen sensory descriptors which were brown color, five aromatics (sweet, caramelized, fermented, fishy, and musty), four tastes (sweet, salty, bitter, and umami), and five aftertastes (sweet aftertaste, salty aftertaste, bitter aftertaste, caramelized flavor, and fishy flavor). P samples had significant difference in all of sensory characteristics from M samples (p<0.05). In addition, principal component analysis (PCA) could reduce those sensory attributes into two independent principal components, which accounted for 55.14% of the total variance, and could categorize samples into four groups. The first principal component (PC1) separated samples into two groups which high and low degree of fishy aromatic, fishy flavor, sweet aftertaste, caramelized flavor and umami taste. The second PC also separated samples from PC1 in another two groups which high and low degree of caramelized aromatic, sweet taste, sweet aromatic, salty taste, salty aftertaste, musty aromatic and fermented aromatic.

Article Info
Agriculture and Natural Resources -- formerly Kasetsart Journal (Natural Science), Volume 040, Issue 6, Jul 06 - Dec 06, Page 181 - 191 |  PDF |  Page 

Img

ที่มา:การประชุมทางวิชาการของมหาวิทยาลัยเกษตรศาสตร์ ครั้งที่ 48

หัวเรื่อง:ดัชนีคุณภาพของลองกองต่อการยอมรับของผู้บริโภค

1234