کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7584860 | 1492031 | 2018 | 35 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Combination of complementary data mining methods for geographical characterization of extra virgin olive oils based on mineral composition
ترجمه فارسی عنوان
ترکیبی از روش های داده کاوی مکمل برای تعیین ویژگی های جغرافیایی روغن زیتون فوق العاده با استفاده از ترکیبات معدنی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ICP-OESPLS-DASPECEVOOPCA - PCASENS - SENSEInductively coupled plasma optical emission spectrometry - اسپکترومتر نوری نوری پلاسما به صورت القایی متصل شده استPartial least squares discriminant analysis - تجزیه و تحلیل خرده مقیاس حداقل مربعات جزئیLinear discriminant analysis - تجزیه و تحلیل خطی خطیPrincipal component analysis - تحلیل مولفههای اصلی یا PCALDA - تخصیص پنهان دیریکلهRandom forest - جنگلهای تصادفی یا جنگلهای تصمیم تصادفیSensitivity - حساسیتData mining - دادهکاویGeographical traceability - ردیابی جغرافیاییOlive oil - روغن زیتونExtra virgin olive oil - روغن زیتون اضافیinductively coupled plasma-mass spectrometry - طیف سنجی جرم پلاسما به صورت القاییinductively coupled plasma mass spectrometry - طیفسنجی جرمی پلاسمای جفتشده القاییICP-MS - طیفسنجی جرمی پلاسمای جفتشده القاییSVM - ماشین بردار پشتیبانیSupport vector machine - ماشین بردار پشتیبانیMineral profile - مشخصات معدنیSpecificity - ویژگی
ترجمه چکیده
این کار قابلیت بالقوه اثر انگشت چند عاملی را در ترکیب با استراتژی های داده کاوی پیشرفته برای ارزیابی جایگاه جغرافیایی نمونه های روغن زیتون فوق العاده مورد بررسی قرار می دهد. برای این منظور، غلظت 55 عنصر در 125 نمونه روغن از مناطق مختلف جغرافیایی اسپانیا تعیین شد. چندین روش آماری چند متغیره بدون نظارت و تحت نظارت برای ساخت مدل های طبقه بندی و بررسی رابطه ترکیب مواد معدنی روغن زیتون و پروتئین آنها مورد استفاده قرار گرفت. نتایج نشان داد که روغن زیتون فوق العاده باکره اسپانیا دارای پروفایل عناصر مشخص است که می تواند براساس مبدأ آنها براساس سه منطقه جغرافیایی - ساحل اقیانوس اطلس (استان هوالوا)، ساحل دریای مدیترانه و مناطق داخلی تقسیم شود. علاوه بر این، مدلسازی آماری حساسیت و ویژگی خاصی را به وجود آورد، به ویژه هنگامی که از ابزارهای بردار تصادفی جنگل و پشتیبانی استفاده می شد، بنابراین نشان دهنده کاربرد این تکنیک ها در تحقیق ردیابی و اصالت مواد غذایی بود.
موضوعات مرتبط
مهندسی و علوم پایه
شیمی
شیمی آنالیزی یا شیمی تجزیه
چکیده انگلیسی
This work explores the potential of multi-element fingerprinting in combination with advanced data mining strategies to assess the geographical origin of extra virgin olive oil samples. For this purpose, the concentrations of 55 elements were determined in 125 oil samples from multiple Spanish geographic areas. Several unsupervised and supervised multivariate statistical techniques were used to build classification models and investigate the relationship between mineral composition of olive oils and their provenance. Results showed that Spanish extra virgin olive oils exhibit characteristic element profiles, which can be differentiated on the basis of their origin in accordance with three geographical areas: Atlantic coast (Huelva province), Mediterranean coast and inland regions. Furthermore, statistical modelling yielded high sensitivity and specificity, principally when random forest and support vector machines were employed, thus demonstrating the utility of these techniques in food traceability and authenticity research.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Food Chemistry - Volume 261, 30 September 2018, Pages 42-50
Journal: Food Chemistry - Volume 261, 30 September 2018, Pages 42-50
نویسندگان
Ana Sayago, Raúl González-DomÃnguez, Rafael Beltrán, Ángeles Fernández-Recamales,