Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Optimization of libs measurement parameters via multivariate chemometrics for the classification purpose

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14740%2F16%3A00093818" target="_blank" >RIV/00216224:14740/16:00093818 - isvavai.cz</a>

  • Výsledek na webu

    <a href="http://www.esas2016.mke.org.hu/" target="_blank" >http://www.esas2016.mke.org.hu/</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Optimization of libs measurement parameters via multivariate chemometrics for the classification purpose

  • Popis výsledku v původním jazyce

    The outputs of LIBS analysis are multivariate data sets with several thousand to tens of thousands variables in one spectrum. Such a comprehensive set of information contained in a single spectrum offers a challenge for processing all at once, quickly and efficiently. Multivariate analysis makes it possible by reducing large files of the complex, multivariate data to a smaller number of factors describing the differences between the samples. Chemometrics algorithms have already been applied on LIBS data for classification or quantification purposes. When focusing on classification, papers published in the past few years confirm the interest in multivariate classification approach. The most used multivariate classification method is principal component analysis (PCA).

  • Název v anglickém jazyce

    Optimization of libs measurement parameters via multivariate chemometrics for the classification purpose

  • Popis výsledku anglicky

    The outputs of LIBS analysis are multivariate data sets with several thousand to tens of thousands variables in one spectrum. Such a comprehensive set of information contained in a single spectrum offers a challenge for processing all at once, quickly and efficiently. Multivariate analysis makes it possible by reducing large files of the complex, multivariate data to a smaller number of factors describing the differences between the samples. Chemometrics algorithms have already been applied on LIBS data for classification or quantification purposes. When focusing on classification, papers published in the past few years confirm the interest in multivariate classification approach. The most used multivariate classification method is principal component analysis (PCA).

Klasifikace

  • Druh

    O - Ostatní výsledky

  • CEP obor

    CA - Anorganická chemie

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/ED1.1.00%2F02.0068" target="_blank" >ED1.1.00/02.0068: CEITEC - central european institute of technology</a><br>

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů