How we can use multivariate statistical analysis to predict creasing of fabrics
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F46747885%3A24410%2F14%3A%230004015" target="_blank" >RIV/46747885:24410/14:#0004015 - isvavai.cz</a>
Výsledek na webu
<a href="http://dx.doi.org/10.4028/www.scientific.net/AMM.543-547.1930" target="_blank" >http://dx.doi.org/10.4028/www.scientific.net/AMM.543-547.1930</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.4028/www.scientific.net/AMM.543-547.1930" target="_blank" >10.4028/www.scientific.net/AMM.543-547.1930</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
How we can use multivariate statistical analysis to predict creasing of fabrics
Popis výsledku v původním jazyce
The creasing of textiles was evaluated by means of the innovative method of measuring the angle of recovery. Our aim is to find statistically significant features contributing to the determination of creasing materials. For this purpose, to identify theinner structures of data, the method of PCA analysis was used a method with latent variables. By means of PCA analysis (method of principal components) the original nine characteristics can be reduced to two latent variables, i.e. principal components. The structure and links among the examined features are characterized by methods like: Scree Plot, Score and component loading, Scatrerplot and Dendrogram.
Název v anglickém jazyce
How we can use multivariate statistical analysis to predict creasing of fabrics
Popis výsledku anglicky
The creasing of textiles was evaluated by means of the innovative method of measuring the angle of recovery. Our aim is to find statistically significant features contributing to the determination of creasing materials. For this purpose, to identify theinner structures of data, the method of PCA analysis was used a method with latent variables. By means of PCA analysis (method of principal components) the original nine characteristics can be reduced to two latent variables, i.e. principal components. The structure and links among the examined features are characterized by methods like: Scree Plot, Score and component loading, Scatrerplot and Dendrogram.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JJ - Ostatní materiály
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2014
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Applied Mechanics and Materials
ISSN
1660-9336
e-ISSN
—
Svazek periodika
543-547
Číslo periodika v rámci svazku
2014
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
4
Strana od-do
1930-1933
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—