Đề tài Tìm hiểu về ứng dụng của PCA trong phân tích mô tả định lượng
Ọ N N M M
KHOA CÔNG NGH TH C PH M
BỘ M N ÁN Á ẢM QUAN TH C PH M
T I:
TÌM HIỂU VỀ ỨNG DỤNG CỦA PCA
TRONG PHÂN TÍCH MÔ TẢ ỊN LƢỢNG
GVHD:
Lớp:
SINH VIÊN THỰC HIỆN:
TP HCM Th ng năm
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
DANH SÁCH NHÓM
STT
Ọ & ÊN
MSSV
PHÂN CÔNG
NHÓM
2
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
MỤ LỤ
1. Khái niệm .............................................................................................................4
2. ách tiến hành phƣơng pháp PCA....................................................................4
3. Ƣu điểm của A:...............................................................................................5
4. Mục đích chính ....................................................................................................5
Chƣơng 2. Ứng dụng của A ...................................................................................7
1. Quá trình lên men................................................................................................7
2. ánh giá cảm quan..............................................................................................8
4.1. Giới thiệu.....................................................................................................10
4.2. Phân tích mô tả định lƣợng .......................................................................12
5.1. Giới thiệu.....................................................................................................14
5.2. Nguyên liệu..................................................................................................15
5.3. Xácđịnh pH : ...............................................................................................15
5.4. Xác định Acide:...........................................................................................15
5.7. KẾT QUẢ....................................................................................................16
6.1. Tóm tắt.........................................................................................................17
6.2. Giới thiệu.....................................................................................................17
6.3. PCA..............................................................................................................18
TÀI LI U THAM KHẢO...........................................................................................22
NHÓM
3
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
hƣơng 1 iới thiệu phƣơng pháp rinciple Component Analysis (PCA)
1. Khái niệm
Phương ph p Principle Component Analysis (PCA) đây là một thành tựu
của tóan học mà ngày nay được ứng dụng trong rất nhiều lĩnh vực: công nghệ thông
tin sinh học tài chính … và công nghệ thực phẩm
Với dữ liệu cần phân tích ban đầu phụ thuộc nhiều biến vấn đề là c c biến này
thường có tương quan với nhau sẽ bất lợi cho việc p dụng c c biến này để xây dựng
c c mô hình tính to n ví dụ: hồi quy… và với số biến giải thích lớn chúng ta sẽ rất khó
để có c i nhìn trực quan về dữ liệu
2. ách tiến hành phƣơng pháp A
hƣơng pháp A sẽ "chiếu" (biễu diễn) dữ liệu đa chiều lên một không
gian có cơ sở trực giao tức nếu ta xem mỗi cơ sở trong không gian mới là một biến thì
hình ảnh của dữ liệu gốc trong không gian mới này sẽ được biểu diễn thông qua c c
biến độc lập (tuyến tính) Vấn đề là nếu chuyển dữ liệu ban đầu sang không gian mới
thì những thông tin đ ng quan tâm của dữ liệu ban đầu liệu có bị mất? ể giải quyết
vấn đề này phương ph p PCA sẽ tìm không gian mới với tiêu chí cố gắng phản nh
được càng nhiều thông tin gốc càng tốt và thước đo cho kh i niệm "thông tin" ở đây
là phương sai Một điểm hay nữa là c c biến trong không gian mới độc lâp nên ta có
thể tính to n được tỷ lệ giải thích phương sai của từng biến mới đối với dữ liệu điều
này cho phép ta cân nhắc việc chỉ dùng số ít c c biến để giải thích dữ liệu
Nói một c ch ngắn gọn mục tiêu của PCA là tìm một không gian mới (với số
chiều nhỏ hơn không gian cũ) C c trục tọa độ trong không gian mới được xây dựng
sao cho trên mỗi trục độ biến thiên của dữ liệu trên đó là lớn nhất có thể Tiếng Việt
thì dài dòng nhưng tiếng Anh thì mục tiêu này gọi là maximize the variability Ba chữ
này gói gọn ý tưởng chính của PCA.
NHÓM
4
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
Minh họa PCA: phép chiếu lên c c trục tọa độ kh c nhau có thể cho c ch nhìn
rất kh c nhau về cùng một dữ liệu
Một ví dụ kinh điển là hình ảnh về con lạc đà Cùng là một con lạc đà nhưng
nếu nhìn từ bên hông thì ta có được đầy đủ thông tin nhất trong khi nhìn từ phía trước
thì thật khó để nói nó là lạc đà
3. Ƣu điểm của A:
Giúp giảm số chiều của dữ liệu
Thay vì giữ lại c c trục tọa độ của không gian cũ PCA xây dựng một không
gian mới ít chiều hơn nhưng lại có khả năng biểu diễn dữ liệu tốt tương đương không
C c trục tọa độ trong không gian mới là tổ hợp tuyến tính của không gian cũ
do đó về mặt ngữ nghĩa PCA xây dựng feature mới dựa trên c c feature đã quan s t
được iểm hay là những feature này vẫn biểu diễn tốt dữ liệu ban đầu
Trong không gian mới c c liên kết tiềm ẩn của dữ liệu có thể được kh m ph
mà nếu đặt trong không gian cũ thì khó ph t hiện hơn hoặc những liên kết như thế
không thể hiện rõ
4. Mục đích chính
Phân tích thành phần chính (PCA) được sử dụng cho hai mục tiêu:
Giảm số lượng các biến bao gồm một bộ dữ liệu trong khi giữ lại các biến đổi
trong dữ liệu.
X c định các mô hình ẩn trong dữ liệu, và phân loại chúng theo nhiều cách
thông tin lưu trữ trong các dữ liệu.
Khi khai thác một bộ dữ liệu bao gồm nhiều biến (sử dụng thay thế cho nhau
với kích thước hạn sau đây) có khả năng là c c tập con của các biến liên quan chặt chẽ
với nhau. Cho một tương quan cao giữa hai hay nhiều biến số có thể kết luận rằng các
biến này là kh dư thừa do đó chia sẻ các nguyên tắc về việc x c định kết ể minh
chứng cho lập luận này chúng ta hãy xem xét một ví dụ cơ bản. Giả sử chúng ta đã đo
được 2 tham số (tức là tính đại diện bởi số lượng bằng số) của một hình phẳng đó là
NHÓM
5
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
chiều dài và chiều rộng của hình dạng mà x c định một kết quả nào đó quan tâm Từ
việc kiểm tra quan sát của chúng tôi chúng tôi đã nhận thấy rằng hai thuộc tính này
dường như có mối tương quan tích cực Do đó chúng ta có thể thay thế chúng bằng
một biến mới nhất là khu vực của hình dạng, mà vẫn nắm bắt hầu hết các thông tin về
hình dạng được cung cấp bởi chiều dài và chiều rộng của nó.
Trong bộ dữ liệu đa biến, giảm kích thước của PCA cho phép chúng ta phân
tích dữ liệu của chúng tôi trong một không gian có thể nhìn thấy 2 chiều (2D) hoặc
3D, với chỉ một lỗ đơn thuần của thông tin.
C c iều kiện tiên quyết cơ bản - Sự tương quan
Kể từ khi PCA là chủ yếu quan tâm đến việc x c định mối tương quan trong dữ
liệu đầu tiên chúng ta hãy tập trung chú ý đến ý nghĩa của sự tương quan Sự tương
quan đo lường đồng thời thay đổi trong các giá trị của hai hay nhiều biến. Có rất nhiều
mô hình để mô tả hành vi bản chất của một sự thay đổi đồng thời trong các giá trị,
chẳng hạn như tuyến tính, hàm số mũ định kỳ và nhiều hơn nữa. Các mối tương quan
tuyến tính được sử dụng trong PCA.
Các cách tiếp cận trực quan để x c định mối tương quan
Một khía cạnh hình ảnh của tương quan có thể thu được bằng c ch đại diện cho
mỗi một trong một cặp của các biến như một trục trong một hệ tọa độ Descartes nơi
các giá trị của các biến là điểm được vẽ trên mặt phẳng (hình 1) Tương quan trong
quan điểm này, các biện ph p như thế nào mô hình chúng tôi tin rằng mô tả các xu
hướng của c c điểm trong đồ thị, phù hợp với xu hướng thực sự trong đồ thị.
Hình 1: đồ thị phân tán của các cặp biến.
Nó là vô cùng quan trọng để hiểu những khía cạnh hình ảnh của mối tương quan
để sử dụng đúng c ch nó Sự hiểu biết đó có thể cung cấp cái nhìn sâu sắc rất quan
trọng về cơ cấu trong các dữ liệu được phân tích và ngăn chặn sai số tiềm tàng có thể
xảy ra bằng cách trực tiếp giải thích kết quả thu được từ số chạy thủ tục tính toán.
NHÓM
6
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
hƣơng 2 Ứng dụng của A
1. Quá trình lên men
Ứng dụng phân tích thành phần chính (PCA) là một công cụ đ nh gi cảm
quan cho các sản phẩm thực phẩm lên men
Phân tích thành phần chính (PCA) đã x c định s u thành phần chính quan
trọng chiếm hơn 90% phương sai trong c c dữ liệu thuộc tính cảm quan Chất lượng
sản phẩm tổng thể được mô hình hóa như là một chức năng của c c thành phần chủ
yếu được sử dụng nhiều nhất là hình vuông hồi quy (R2=0 8) Kết quả từ PCA đã được
phân tích thống kê bằng phân tích phương sai (ANOVA) Những ph t hiện này chứng
minh tính hữu ích của phân tích mô tả định lượng để x c định và đo lường c c thuộc
tính sản phẩm thực phẩm lên men rất quan trọng cho sự chấp nhận của người tiêu
dùng.
Lên men là qu trình trao đổi chất qua đó chất hữu cơ bị biến đổi dưới t c
dụng của c c men (enzyme) vi sinh vật C c vi sinh vật thường được sử dụng để lên
men là vi khuẩn nấm men nấm mốc Thực phẩm lên men là những thực phẩm dưới
t c dụng của c c vi sinh vật có lợi thủy phân c c polysaccharides protein và lipid tạo
ra những sản phẩm với hương vị kết cấu vừa ý và hấp dẫn người tiêu dùng Trong số
c c sản phẩm thực phẩm lên men thực phẩm lên men từ sữa được sử dụng rộng rãi
như là thực phẩm lành mạnh và được coi như là một phần quan trọng trong chế độ ăn
uống Sự kết hợp của vi khuẩn probiotic trong chế độ ăn uống đã được tăng lên trong
c c sản phẩmlên men ở Châu Âu Hoa Kỳ và châu Á
Sử dụng một phương ph p thống kê đa biến tức là phân tích thành phần chính
(PCA) cùng với phân tích mô tả định lượng (QDA) để phân tích c c biến thể của vật
chất và tính chất cảm quan của thực phẩm lên men sau khi lên men Hoạt động PCA
làm cho nó có thể phân biệt c c mẫu thực phẩm và cũng để x c định c c biến quan
trọng nhất trong một ma trận dữ liệu đa biến
Phân tích thành phần chính (PCA) là một kỹ thuật thống kê phân tích đa biến
được sử dụng rộng rãi có thể được p dụng cho dữ liệu QDA để giảm tập hợp c c biến
phụ thuộc (ví dụ thuộc tính) đến một bộ nhỏ hơn của c c biến tiềm ẩn (được gọi là c c
yếu tố) dựa trên mô hình của tương quan giữa c c biến ban đầu PCA của c c mẫu
thực phẩm lên men được thực hiện theo phương ph p sau đây Dữ liệu được thu thập
từ hội đồng thử sau khi ghi qua thang đ nh gi hưởng thụ C c dữ liệu thuộc tính kh c
nhau đã nêu ở trên đã được sắp xếp tăng dần hoặc theo thứ tự giảm dần và đưa vào
phần mềm SPSS 16 trong chế độ xem dữ liệu Sau đó dữ liệu đã được giảm bằng c ch
phân tích dữ liệu và c c biến độc lập và phụ thuộc đã được lựa chọn một không gian
hai chiều của c c mẫu phân tích đã thu được
NHÓM
7
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
2. ánh giá cảm quan
Sự xếp hạng về cảm gi c của từng sản phẩm như hình dạng kết cấu sản phẩm
hương vị cảm nhận về mùi độ chua và sự chấp nhận tổng thể được xem xét trong
trường hợp này C c chỉ tiêu được mô tả bởi độ chua hương vị có liên quan với sự
ph t triển của vi khuẩn kh c nhau cũng như bổ sung trong một số trường hợp Ví dụ
sản phẩm thực phẩm lên men probiotic có tính axit hơn so với c c sản phẩm thực
phẩm trước khi lên men ối với tất cả c c sản phẩm thực phẩm với ngoại lệ của c c
mẫu thực phẩm kiểm so t chủ yếu trong sữa chua mà có một hệ gel yếu sau khi hình
thành hầu hết c c người thử tuyên bố "thích rất nhiều”. Hội đồng thử ghi nhận sự kh c
biệt đ ng kể ( p < 0 05) trong miệng cảm thấy trong những sản phẩm và những người
kiểm so t được lựa chọn và kết luận rằng c c loại thực phẩm lên men được chế biến
từ probiotic thì tốt hơn Trong thí nghiệm này QDA của sản phẩm sữa lên men được
thực hiện bằng c ch ghi thông qua thang đ nh gi hưởng thụ và sữa chua đông thường
có hương vị hơi chua bề mặt sản phẩm rất trơn tru mịn và có màu trắng có tính
thống nhất tuyệt vời đã được coi là “rất rất thích” và đã được ghi là 9 tức là số điểm
cao nhất trong c c mẫu sữa đem đi thử được thu thập bởi những người thử và bằng
c ch này c c điểm dần dần được thực hiện 8 đến 1 theo c ch sau đây: bề mặt mịn
hương vị vừa có tính axit tính nhất qu n tốt và sữa đông màu trắng được coi là “rất
thích” và đã được ghi là 8; bề mặt hơi thô mẫu nhất qu n sữa đông được coi là
“thích” và đã được ghi là 7; bề mặt thô có chứa có c c hạt vật chất thô có chua hơn
màu sữa đông hơi vàng được coi là “hơi thích” và đã được ghi là 6; có tính chua hơn
màu vàng hơn lỏng lẻo không nhất qu n được coi “không thích cũng không ghét” và
đã được ghi là 5; có hương vị độ chua cao không được coi là “không thích lắm” và đã
được ghi là 4; cấu trúc lỏng lẻo mùi không hấp dẫn màu vàng đậm được coi là
“Không thích” và đã được ghi là 3; lớp dầu ở trên không thể chấp nhận trong hương vị
được coi là “ghét” và đã được ghi là 2 và c c mẫu sữa đông với màu xanh thẩm có
hương vị vô cùng kém được coi là “rất ghét” và đã được ghi là 1 tức là điểm thấp nhất
được thu thập bởi hội đồng thử
3. A của thuộc tính cảm quan của sản phẩm lên men
Một phần mềm SPSS phiên bản 16 0 đã được sử dụng để phân tích c c thuộc tính
cảm quan của sản phẩm thực phẩm lên men bằng c ch sử dụng phân tích thành phần
chính (PCA) và phương sai tối đa đã được tìm thấy để thu được 98% và số điểm của
PCA này có thể kết luận rằng loại này c c sản phẩm thực phẩm lên men đều được
chấp nhận tiêu thụ Một phân tích hai chiều của c c thành phần chính đã cố gắng sử
dụng c c ma trận dữ liệu thành phần thể hiện trong Bảng:
NHÓM
8
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
Bảng 3 :Bảng ma trận thành phần của sữa bò lên men và sữa đậu nành lên men với
sáu chỉ tiêu hình dạng, kết cấu, hương vị, cảm nhận về mùi hương, độ chua, sự
chấp nhận chung.
Hai thành phần chính là PC 1 và PC 2 được trích xuất chiếm 57 6% của phương
sai và 11.6% phương sai tương ứng trong s u hệ thống biến trong trường hợp lên men
sữa bò và 57 2% của phương sai và 12 5% phương sai tương ứng trong s u hệ thống
biến trong trường hợp lên men sữa đậu nành Weightage tối đa đã được tìm thấy trong
trường hợp của PC 1 trong cả hai trường hợp của sữa bò và sữa đậu nành lên men tức
là 57 6% và 57 2% tương ứng của biến Một c ch kiểm tra ANOVA được thực hiện
để x c định xem có sự kh c biệt đ ng kể xảy ra trong c c mẫu thực phẩm trong qu
trình lên men và bảo quản hay không phải từ sự kh c biệt về gi trị trung bình xảy ra
trong cùng một hàng.
Bảng 2: Bảng xác định mô tả thuật ngữ, định nghĩa và nguyên vật liệu được sử
dụng để phân tích mô tả định lượng của các sản phẩm thực phẩm lên men.
NHÓM
9
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
Sữa bò và sữa đậu nành được lên men bởi S.thermophilus
4. Ứng dụng trong đánh giá cảm quan của sản phẩm sữa
Lưu ý: Nghiên cứu đ nh gi cảm quan của sản phẩm sữa được tiến hành trên
toàn thế giới.
Các kỹ thuật phân tích cảm gi c đã ph t triển thành công cụ mạnh mẽ để tìm hiểu
sự xuất hiện hương vị và kết cấu các thuộc tính của các sản phẩm sữa lái xe sở thích
của người tiêu dùng. Các kỹ thuật hiện đại, cảm giác có thể giúp xử lý sữa phát triển
sản phẩm mới đang rất hấp dẫn cho người tiêu dùng. Họ cũng cho phép bộ vi xử lý để
tối ưu hóa của một sản phẩm hương vị, kết cấu và màu sắc để thu hút mục tiêu cụ thể
khán giả cũng như gi m s t chính x c chất lượng sản phẩm.
4.1. Giới thiệu
Các ngành công nghiệp sữa đã đi một chặng đường dài kể từ đầu những năm
1900, khi nó bắt đầu phát triển các kỹ thuật để đ nh gi c c sản phẩm sữa để kích thích
NHÓM
10
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
sự quan tâm và giáo dục trong khoa học sữa Trong c c phương ph p truyền thống mà
nổi lên đ nh giá và phân loại các sản phẩm sữa thông thường liên quan đến một hoặc
hai huấn luyện "chuyên gia" cho điểm chất lượng về sự xuất hiện hương vị và kết cấu
của sản phẩm dựa trên sự có mặt hay vắng mặt của các khuyết tật được x c định trước.
Những công cụ này có thể giúp x c định các biến thể trong c c phương ph p đ nh gi
cảm quan sữa truyền thống có một số thuộc tính liên quan với các biến chế, thiếu sót
về địa lý: họ không thể dự đo n được sự chấp nhận của người tiêu dùng; khu vực sản
xuất, mùa sản xuất, vv và giúp đ nh gi chất lượng của họ chủ quan; giải quyết nhiều
vấn đề quan trọng kh c cho điểm định lượng sữa là khó khăn; và họ không kết hợp bộ
vi xử lý và tiếp thị. Báo cáo này nhấn mạnh tầm quan trọng của phân tích mô tả như là
một công cụ cảm giác cho các sản phẩm sữa và trình bày một vài ví dụ về phân tích
như thế nào cảm gi c đã được áp dụng thành công để giải quyết cụ thể thách thức
trong ngành công nghiệp sữa Phân tích định hướng xếp hạng thuộc tính với điểm chất
lượng theo định hướng tình cảm (Claassen và Lawless, 1992).
Hình 1 cho thấy hồ sơ mô tả cảm giác của hai Cheddare
Pho m t đó đã nhận được cùng loại của phân loại truyền thống kỹ thuật. Với
bảy trong số 11 thuộc tính hương vị đo như là kh c nhau đ ng kể giữa hai loại pho
mát, nhận thức hương vị của hai mẫu thực sự là khá khác nhau. Sử dụng c c phương
pháp truyền thống của c c đ nh gi tuy nhiên c c sản phẩm này với c c đặc tính cảm
quan rất kh c nhau nhưng không có khiếm khuyết sẽ có được điểm chất lượng tương
tự.
Một điểm chung cho tất cả c c phương ph p đ nh gi cảm quan là họ sử dụng
con người như là dụng cụ đo Có rất nhiều loại kiểm tra cảm giác, sự khác biệt là kiểm
NHÓM
11
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
tra được sử dụng rộng rãi nhất, phân tích mô tả và kiểm tra chấp nhận của người tiêu
dùng. Kiểm tra sự khác biệt bao gồm các bài kiểm tra tam gi c trong đó bảng điều
khiển cố gắng để phát hiện được một trong ba mẫu khác với hai người kia, và thử
nghiệm bộ đôi-ba trong đó c c bảng chọn mà một trong hai mẫu là khác nhau từ một
tiêu chuẩn. Kiểm tra sự khác biệt ước lượng độ lớn của sự khác biệt giữa cảm giác
mẫu nhưng có một sự thiếu hụt của các xét nghiệm này là bản chất của sự khác biệt là
không x c định. Trong hầu hết c c trường hợp, một sự kết hợp của các bài kiểm tra sự
khác biệt và phân tích cảm giác mô tả được sử dụng để giải quyết vấn đề.
Phân tích mô tả cảm gi c đề cập đến một tập hợp các kỹ thuật tìm kiếm để
phân biệt giữa một loạt các sản phẩm dựa c c đặc trưng cảm gi c để x c định một mô
tả định lượng về sự khác nhau cảm giác có thể được x c định, không chỉ c c phương
ph p đ nh gi c c khuyết tật. Sự khác nhau về chất lượng giữa các sản phẩm mới và
sản phẩm truyền thống, không có sự "tốt" hay "xấu" được thực hiện, bởi vì đây không
phải là mục đích của việc đ nh gi C c bảng điều khiển hoạt động như một công cụ
mạnh để x c định và định lượng c c đặc tính cảm quan.Phân tích cảm giác mô tả cung
cấp thông tin hữu ích cho các nghiên cứu sữa, phát triển sản phẩm và tiếp thị.Một số
đ nh gi mẫu cho một số thuộc tính cảm giác là một ví dụ đơn giản của cảm giác. Ví
dụ, vị đắng có thể được đ nh gi trên thang điểm năm điểm, với tỉ lệ là một trong cho
thấy không có sự cay đắng và đ nh gi một năm có nghĩa là rất cay đắng. Tiêu chuẩn
bên ngoài (ví dụ như giải pháp của nồng độ khác nhau của quinine hoặc caffeine cho
cay đắng). Có thể giúp x c định các thuộc tính và chuẩn hóa các quy mô cho mỗi giám
định viên. Phát triển và hoàn thiện một vốn từ vựng, từ vựng hay cảm giác, là một
phần thiết yếu của công việc hồ sơ của gi c quan và được thực hiện một cách khách
quan dựa trên các thuộc tính quan trọng đối với người tiêu dùng và đặc tính sản phẩm
làm thay đổi với mục đích gia tăng thị phần cho một tập hợp các sản phẩm.
4.2. Phân tích mô tả định lƣợng
Các xuất bản kỹ thuật cảm giác mô tả đầu tiên là hương vị hồ sơ ph p (FPM)
phát triển vào năm 1950 bởi Arthur D. Little Inc. bộ lọc và các biến thể trong FPM xảy
ra vào những năm 1970 với sự phát triển của Phân tích mô tả định lượng (QDA) và
c c phương ph p Spectrum ™ của phân tích mô tả. Hôm nay, phân tích mô tả đã được
chấp nhận rộng rãi như là một trong những công cụ quan trọng nhất để nghiên cứu các
vấn đề liên quan đến hương vị, hình dáng và kết cấu cũng như là một c ch để hướng
dẫn các nỗ lực phát triển sản phẩm. Ví dụ nó đã được sử dụng như là một kỹ thuật
điều tra gi c quan để nghiên cứu sữa tiệt trùng thông thường (Phillips et al 1995,;.
Quinones et al., 1998), kem (Ohmes et al, 1998;.. Roland et al, 1999) và pho mát
(Ordonez et al., 1998).Với phân tích mô tả c c chuyên gia đã chọn làm việc với nhau
để x c định sản phẩm thuộc tính quan trọng và cường độ phù hợp quy mô cụ thể cho
các sản phẩm được nghiên cứu C c chuyên gia đã được sau đó được đào tạo bởi các
nhà lãnh đạo , một cảm giác chuyên nghiệp hơn là một thành viên của hội đồng để xác
định một cách tin cậy và điểm thuộc tính sản phẩm. Trong thời gian đào tạo, hội đồng
NHÓM
12
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
(thường từ t m đến 12 c nhân có đủ năng lực) tạo ra các ngôn ngữ (hoặc từ vựng) để
mô tả sản phẩm. Kết quả phân tích mô tả là đối tượng để phân tích thống kê và sau đó
được đại diện trong một hay nhiều định dạng đồ họa để giải thích.
Một kỹ thuật thống kê hữu ích là Principal Component Analysis (PCA), một
phương ph p phân tích đa biến cho thấy nhóm hoặc cụm các loại mẫu tương tự dựa
trên c c phép đo định lượng. Bằng cách áp dụng PCA để mô tả dữ liệu phân tích, tập
hợp các biến phụ thuộc (ví dụ, thuộc tính) được giảm xuống một tập nhỏ các biến tiềm
ẩn (được gọi là các yếu tố) dựa trên mô hình của sự tương quan giữa các biến ban đầu
(Lawless và Heymann, 1998). Các yếu tố (còn gọi là thành phần chủ yếu) là sự kết hợp
tuyến tính của các biến độc lập
4.3. ịnh nghĩa hƣơng vị cho sản phẩm sữa
M A Drake và G V Civile đã xem xét lại lịch sử từ vựng phương ph p và
ứng dụng (2002). Một hương vị từ vựng là một tập hợp các mô tả hương vị của sản
phẩm. Trong khi hội đồng đ nh gi tạo ra một danh sách riêng của mình để mô tả các
sản phẩm được nghiên cứu, một từ vựng cung cấp một nguồn gốc của từ ngữ có thể
với tài liệu tham khảo và c c định nghĩa để làm rõ. Theo Drake và Civille, phát triển
của một hương vị từ vựng đại diện đòi hỏi nhiều bước trong đó sản phẩm phù hợp
tham khảo bộ sưu tập, thế hệ ngôn ngữ và chỉ định c c định nghĩa và tài liệu tham
khảo trước khi một danh sách mô tả cuối cùng có thể được x c định. Sau khi phát
triển định nghĩa hương vị có thể được sử dụng để ghi lại và x c định vị của sản phẩm,
so sánh sản phẩm và x c định sự ổn định lưu trữ cũng như để nghiên cứu mối tương
quan của dữ liệu giác quan với ý thích của người tiêu dùng / chấp nhận và hương vị
ịnh nghĩa hương vị tốt nên có cả phân biệt và mô tả. Các ngôn ngữ nên được phát
triển từ một mẫu thiết lập đại diện rộng rãi rằng cuộc triển lãm tất cả các biến tiềm
năng trong sản phẩm. Ví dụ, Drake et al. (2001) thu thập được 220 mẫu của pho mát
Cheddar khác nhau về tuổi tác, xử lý nhiệt sữa và nguồn gốc địa lý để x c định một
ngôn ngữ mô tả cho pho mát Cheddar (xem Bảng 1) Các mẫu thiết lập đã được công
chiếu vào 70 pho m t trước khi thế hệ ngôn ngữ. Trong việc tạo ra một từ vựng, bảng
điều khiển sẽ thường xuyên rà soát danh sách, sáp nhập như c c điều khoản, loại bỏ dư
thừa và tổ chức c c danh s ch để các thuộc tính xuất hiện trong hầu hết các sản phẩm
đang được thử nghiệm iều quan trọng là nhiều điều khoản không được sử dụng để
mô tả c c hương vị như nhau; ngược lại nó cũng quan trọng là một thuật ngữ không
đại diện hoặc chồng chéo với nhiều hương vị kh c Như một ví dụ về vấn đề này từ
vựng, Drake et al. (2001) báo cáo rằng việc sử dụng thuật ngữ "tuổi" trong một hương
vị pho mát Cheddar trong thực tế, một thuật ngữ meta đó bao gồm ba hương vị và một
hương vị cơ bản. Một từ vựng được tối ưu hóa có thể liên quan của người tiêu dùng
chấp nhận / từ chối và c c phép đo cụ hoặc vật lý.
NHÓM
13
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
5. Sử dụng PCA trong chế biến nƣớc ép rau bằng cách lên men lactic
5.1. Giới thiệu
Các loại nước ép bắp cải, cà rốt được tiêm Lactobacillus plantarum 92H ở
0
nồng độ 8x106 CFU/ml, lên men ở nhiệt độ 24 C trong 150 giờ. Trong quá trình lên
men, các thông số như pH tổng lượng acid đường khử, acide L-ascorbic, lactic, acide
acetic acid citric c c acide amine … và cảm quan như hình dạng, màu sắc độ đục,
hương vị… đều được theo dõi. Áp dụng c c phương pháp thống kê đa biến để đ nh
giá kết quả của các hóa chất và cảm quan (hương vị) trong phân tích các loại nước
ép.PCA giảm 7 thành phần phân tích ban đầu còn 1 thành phần độc lập (yếu tố) chiếm
96,92% tổng phương sai giảm 8 hương vị hỗn hợp và mô tả hương vị cho 2 thành
phần (yêu tố) chiếm 97,28% tổng phương sai
Các loại nước ép rau chế biến bằng cách lên men Lactic tạo ra sự thay đổi
trong các loại đồ uống có giá trị dinh dương hàm lượng vitamin, khoáng chất cao ố
với các loại nước ép rau chế biến bằng cachs lên men acide lactic acide lacic được
xem là một chất quan trọng vì loại acide này có tác dụng khử trùng.
ối với những thành tựu của việc lên men các sản phẩm rau, các chủng vi
khuẩn lactic thuần được nuôi cấy để sử dụng. Các chủng lactobacillus được nghiên
cứa để cải thiện mùi vị của nước ép, giảm pH, có thể nitrate, nitrite, giảm các amine
sinh hoc. Các nhà sản xuất mong muốn các going vi sinh vật có thể cải thiện được mùi
và pH một cách nhanh chóng trong các loại nước ép trái cây. Các nhà nghiên cứu đã
thử nghiệm 16 giống của các chi lactobacillus trong các mẫu bắp cải và cà rốt. Sau bảy
ngày lên men ở 27 hoặc 30 0C tổng lượng acide hoặc pH và các yếu tố như đường khử,
hoặc acide hữu cơ amoni nitrate nitrire được x c định. Dựa trên các kết quả đó đã
lựa chọn được ba chủng.
Các nhà nghiên cứu KUCH ứng với thư (1994) đã lên men rau quả (bầu, bắp
cải, cần tây) bằng cách sử dụng lần lượt lactobacillus plantarum, Lb pentosub và Lb
brevis Tương ứng với thứ tự đó bầu lên men trong vòng 4 ngày, bắp cải trong vòng 7
ngày, cần tây trong vòng 9 ngày. Bắp cải muối được sản xuất theo cách này có một
hương vị chua dễ chịu, kết cấu đàn hồi và màu sắc sang trong.
Phương ph p phân tích thành phần chính được áp dụng trong các ngành khoa
học viễn tưởng đ nh giá trong phân tích thực phẩm PCA được sử dụng trong c c để
làm giảm các thông số trên một số lượng lớn thành phần thành một lượng nhỏ hơn
trong khi chỉ mất đi 1 lượng nhỏ thông tin các chức năng chính của phương ph p này
là giảm số chiều trong một tập các biến bằng cách xây dựng một tổ hợp tuyến tính
tương quan Việc kết hợp được tính toán bằng cách dựa trên sự khác biệt của các thành
phần đầu tiên đó là trục chính của c c điểm không gian p chiều.
Các nhà nghiên cứu DESTEFANIS (2000) sử dụng phương ph p PCA cho
việc nghiên cứu mối quan hệ giữa hóa học, vật lý và cảm quan (18 biến) đo trên c c
mẫu cảm quan. Ba thành phần đầu tiên chiếm 63% của tổng phương sai (PC1 34%
PC2 20,6%, PC3 38%). Các nhà nghiên cứu SORIA (1999) đã p dụng phương ph p
NHÓM
14
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
PCA cho việc đ nh gi độ sạch của táo bằng c c phương ph p kh c nhau C c nhà
nghiên cứu cũng đ nh gi c c thuộc tính chất lượng của t o cũng như sản xuất
ethylene. Các nhà nghiên cứu POKORNY (1995) dựa trên sự phụ thuộc vào thời gian
để x c định nồng độ đắng, cay của rượu. Các kết quả trên được đ nh gi bẳng 3
phương ph p trung bình nhân hồi quy và PCA trong đó PCA được chứng minh là
thích hợp nhất Phương ph p đầu tiên chiếm 85,4% tổng phương sai của dữ liệu,
phương ph p thứ 2 chiếm 6 9% phương ph p thứ 3 chiếm 3,7%.
5.2. Nguyên liệu
Chuẩn bị:
Rau quả tươi (bắp cải, cà rốt, cần tây, và củ cải đường) đã được mua trong một
thị trường rau quả tại địa phương ở Slovakia.
ối với bắp cải dỡ bỏ lớp ngoài và cắt nhỏ thành những mảnh nhỏ.
Ép nghiền rau quả để thu được nước ép, các loại nước ép được lọc trộn theo tỉ
lệ 2:1(2 phần của nước ép bắp cải 1 phần của nước ép cà rốt). Sau khi trộn thêm D-
glucose 2% và muối 0 5% vào bình vô trùng 250ml đã được rót sẵn nước ép. Mỗi
bình được tiêm lactobacillus plantarum 92H ở nồng độ 8x106 cfu/ml và được gắn vào
phích cắm cao su vô trùng. Mỗi loại nước ép được lên men ở 240C trong 150 giờ.
5.3. Xácđịnh pH :
Việc đo pH được tiến hành bang cách sử dụng bằng một dụng cụ đo lường pH
CG-843SCHOTT ức.
5.4. Xác định Acide:
Tổng nồng độ acide được xác định bằng phương ph p chuẩn độ trực tiếp với dd
NaOH 0,1N, chất chỉ thị phenolphthalein, acide lactic.
a. XÁC ĐỊNH ĐƯỜNG GIẢM THEO SCHOORL
Các Cu2+ được x c định sau khi hệ thống Cu2O. KI bị oxi hóa bởi CuSO4 và
được x c định bằng chất chuẩn Na2SO4 x c định acide L-ascorbic:
L-ascorbic đã được x c định quang phổ với 2,6-diclorophenolindophenol.
b. XÁC ĐỊNH ACIDE HỮU CƠ (acide lactic,acide citric,acide acetic) và các
acide amin (histamine, cadaverine,potrescine) bởi isotachophorecide.
C c phép đo được thực hiện với máy phân tích quang phổ ZKI 01 Vill Labeco
Spisska N. Ves.
c. ACID HỮU CƠ
Nồng độ các chất điện giải của acid hữu cơ là 2mol/dm3, pH=4,25,
methylhydroxythylcelulose 0,1%. Và cuối cùng là acid capronic 5x10-3 mol/dm3. Các
mẫu trên được phân tích bằng một dòng điện 300 μA
d. XÁC ĐỊNH ACIDE AMINE BẰNG PHƯƠNG PHÁP HPLC
NHÓM
15
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
Theo các nhà nghiên cứu GREIFet (1997,1999) các amin hữu cơ (histamine
tyramine và pu-trescine) được x c định như c c dẫn xuất của danzy.
5.5. ánh giá cảm quan của các loại nƣớc ép bắp cải, cà rốt
Các mẫu sẽ đươc đ nh gi bởi 10-14 gi m định viên Trước khi phân tích cảm
quan, các mẫu nước ép đông lạnh sẽ được rã đông và làm ấm đến nhiệt độ phòng và
đ nh gi nhiệt độ của các mẫu là 15-180C.
C c gi m định viên tiến hành đ nh gi hình d ng màu sắc độ đục, kết tuae và
hương vị của mẫu.
ộ đục và màu sắc được đ nh gi bằng 5 điểm cường độ ( điểm 1 là không
đục điểm 5 rất đục) Hình d ng được đ nh gi bằng 5 điểm hưởng thụ ( điểm 1 là
không phù hợp điểm 5 là rất tốt) ể đ nh gi hương vị, áp dụng phương ph p đồ họa,
bằng phương ph p này ta sẽ biết rõ vị của các hỗn hợp như: ngọt, chua, sự hài hòa
giữa các thành phần cũng được đ nh gi
5.6. ƢƠN Á ỐNG KÊ
ể đ nh gi kết quả phân tích cảm quan, PCA áp dụng phương ph p thống kê đa
biến, phân tích tương quan Dữ liệu sẽ được SGWIN (Statgraphic for windows) phân
tích.
5.7. KẾT QUẢ
Việc đ nh gi c c loại nước ép rau được lên men bằng acid lactic được tiêm
Lactobacillus plantarum 92H ở nồng độ khác nhau. Dựa trên các kết quả của việc phân
tích hóa học, phân tích cảm quan, và sử dụng phương ph p PCA có c c vấn đề cần
giải quyết:
Mục đích của việc áp dụng c c phương ph p trên là để đ nh gi cảm quan và
phân tích các loại nước ép rau khác nhau (bắp cải, cần tây, cà rốt, bắp cải và cà rốt..,)
được xử lý bằng quá trình lên men acid lactic. Trong các sản phẩm trên nước ép cà rốt
được khuyến cáo bởi hầu hết c c nhà đ nh gi với tỷ lệ 2:1.
ể đ nh gi kết quả phân tích của chất hóa học (pH, tổng lượng acid, các acid
hữu cơ và acid amin) và cảm quan (vị giác) của các loại nước ép, áp dụng phương
pháp PCA (ngoài ra có thể áp dụng phân tích mối tương quan FA CA)
ối với quá trình lên men của nước ép bắp cải cà rốt không tiệt trùng, chọn vi
khuẩn acid lactic chủng Lactobacillus plantarum 92H. Trong quá trình lên men, các
thông số phân tích sau đây được quan sát, theo dõi: pH, tổng lượng acid, axit L-
ascorbic, acid lactic, acid acetic, và acid citric, và các acid amine (histamine,
cadaverine, tyramine, putrescine). Những thay đổi của giá trị pH, tổng số acid, và các
loại đường khử, L-ascorbic acid và các acid hữu cơ trong qu trình lên men được thể
hiện trong Bảng 1.
NHÓM
16
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
6. Ứng dụng PCA trong sản phẩm sữa tiệt trùng
6.1. Tóm tắt
Phân tích mô tả định lượng được sử dụng để mô tả các thuộc tính quan trọng
của chín sản phẩm (UP) sữa siêu tiệt trùng có nồng độ chất béo khác nhau, bao gồm cả
hai sản phẩm giảm lactose, từ hai nhà máy sữa. Phân tích thành phần chính nhận biết
bốn thành phần chính trọng yếu, chiếm 87,6% của phương sai trong c c dữ liệu thuộc
tính cảm quan Căn cứ vào thành phần chính chỉ ra rằng sự x c định của sữa UP dựa
theo bốn mức độ căn bản tương ứng với các thuộc tính nấu, sấy/kéo dài, ngọt và đắng.
Chất lượng sản phẩm tổng thể được mô hình hóa như là một chức năng của phân tích
thành phần chính dùng nhiều hồi quy bình phương nhỏ nhất (R2 = 0,810). Những
chứng minh tìm thấy công dụng của phân tích mô tả định lượng để x c định và đo
lường UP thuộc tính sản phẩm sữa thay đổi quan trọng đối với người tiêu dùng.
Tên viết tắt: OLS= bình phương nhỏ nhất, PC= thành phần chính, phân tích
PCA= PC, hồi quy PCR= PC PLS= bình phương tối thiểu, QDA = phân tích mô tả
định lượng UP= siêu thanh trùng…
6.2. Giới thiệu
Mở rộng thời hạn sử dụng của sản phẩm sữa dạng lỏng sẽ đóng góp vào sự
cạnh tranh của các ngành công nghiệp sữa ở các thị trường nước giải kh t Như một
mối quan hệ nghịch đảo tồn tại giữa thời gian tồn trữ sản phẩm và khối lượng hàng tồn
kho sản phẩm có thể được duy trì tại các trung tâm phân phối, sản phẩm với hạn sử
dụng ngắn có chi phí phân phối và hàng tồn kho tương đối cao Hơn nữa, sản phẩm
quá hạn sử dụng dẫn đến tổn thất tài chính cho các bộ xử lý sữa Do đó chiến lược xử
lý mở rộng thời hạn sử dụng của sản phẩm sữa là các lợi ích kinh tế để xử lý sữa. Chế
biến nhiệt độ siêu cao và siêu tiệt trùng (UP) đại diện cho hai phương ph p hiện đang
áp dụng để mở rộng hạn sử dụng của sản phẩm sữa ngoài cách thanh trùng thông
thường. Sữa tiệt trùng được xử lý ở nhiệt độ nhiệt giữa 135oC và 150oC trong 1-5s, sau
đó sữa được đóng gói trong điều kiện vô trùng có thể bảo quản ở nhiệt độ phòng mà
không cần bảo quản lạnh. Việc xử lý nhiệt của sữa UP là tương tự như của sữa UHT,
với cách xử lý hoặc >138oC ít nhất 2s (FDA 1999) nhưng sữa không được vô trùng
đóng gói So với hạn sử dụng đặc trưng của sữa dạng lỏng là từ 10-21 ngày được sản
xuất trong điều kiện nhiệt độ cao trong thời gian ngắn thông thường (≥72oC trong ít
nhất 15 giây- FDA,1999), các sản phẩm UP đã được mở rộng hạn sử dụng ít nhất 60
ngày trong điều kiện bảo quản lạnh (Boor và Nakimbugwe, 1998).
Khi chất lượng sản phẩm đ p ứng yêu cầu và sự chấp nhận của người tiêu
dùng, khả năng đ nh gi thuộc tính đặc trưng về thị hiếu của sản phẩm chất lượng cao
là cần thiết cho sự phát triển và sản xuất các sản phẩm đ p ứng sự mong đợi của người
tiêu dùng Phương ph p khảo sát các sản phẩm sữa truyền thống để đ nh gi sữa dạng
lỏng cho c c đặc tính cảm quan được dựa trên điểm số của sản phẩm theo một danh
sách chuyên biệt về các khuyết điểm thường được tìm thấy trong sữa tiệt trùng thông
NHÓM
17
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
thường. Các nhà chuyên môn trong sản phẩm sữa truyền thống đã bị chỉ trích vì không
dự đo n được sự chấp nhận của người tiêu dùng, thiếu khách quan trong việc đ nh gi
chất lượng, gặp khăn khó trong x c định định lượng, và thiếu tiện ích cho việc kết hợp
xếp hạng thuộc tính phân tích định hướng với điểm chất lượng về mặt tình cảm theo
định hướng (Claassen và Lawless, 1992). Ngoài những hạn chế, việc áp dụng các
chiến lược khảo sát truyền thống với các sản phẩm UP có thêm như là những thách
thức phân tích thay đổi về đặc tính sản phẩm UP có thể tinh tế hơn và diễn ra trong
một khoảng thời gian dài hơn so với những thay đổi thường gặp trong sữa tiệt trùng
thông thường (Boorand Nakimbugwe,1998; Shipe, 1980). Vì vậy, như các ngành công
nghiệp sữa đi theo hướng sản xuất các sản phẩm thời hạn sử dụng kéo dài, cần tiên
phong để phát triển công nghệ thích hợp là cảm quan và đặc tính cho các sản phẩm
này. Một chấp nhận phân tích mô tả định lượng (QDA) đã đạt được cách tiếp cận để
đ nh gi cảm quan của thực phẩm và sản phẩm sữa khác nhau (Stone và Sidel, 1998),
trong đó có sữa thanh trùng thông thường (Phillips).
6.3. PCA
Với dữ liệu mô tả cảm giác, nhiều biến phụ thuộc có thể liên quan với nhau.
Sau ANOVA, một số mô tả cảm giác cá nhân có thể phân biệt giữa các mẫu nhưng
nhiều mô tả có thể được điều khiển bởi c c nguyên nhân cơ bản giống nhau. PCA là
một kỹ thuật phân tích đa biến mà cung cấp một phương ph p phân tích từ một cấu
trúc đúng phương sai hoặc ma trận tương quan PCA nhận dạng hình dạng của mối
tương quan giữa các biến phụ thuộc và thay thế một biến mới còn được gọi là một yếu
tố, cho các nhóm thuộc tính ban đầu đã được tương quan C c phân tích sau đó x c
định nhóm thứ hai và thứ ba của các thuộc tính và có nguồn gốc là một yếu tố cho mỗi
nhóm dựa trên phương sai còn lại (mà trong đó phương sai còn lại chiếm bởi các yếu
tố trước đó đã được gỡ bỏ). Các thuộc tính sẽ có một mối tương quan với kích thước
mới được gọi là một yếu tố tải trọng, và các sản phẩm sẽ có giá trị vào c c kích thước
mới, gọi là điểm số yếu tố. Các yếu tố tải trọng hữu ích trong việc giải thích các kích
thước và điểm số yếu tố cho thấy các vị trí tương đối giữa các sản phẩm trong một bản
đồ Do đó PCA biến đổi biến số phụ thuộc vào kích thước ban đầu không tương quan
mới để đơn giản hóa các cấu trúc dữ liệu, loại bỏ mô tả dư thừa và chỉ ra nguyên nhân
tiềm ẩn của biến tiềm năng
PCA đã được áp dụng cho các thuộc tính trung bình xếp hạng liệt kê trong
Bảng 4 để đơn giản hóa việc giải thích dữ liệu từ 15 thuộc tính đo trên chín sản phẩm.
NHÓM
18
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
Bảng 4:
Table 4. Mean panelists 1
’
ratings of ultrapasteurized milk at d 60
Plant
RFHP 1RFQ
1
1
Plan 2
2FFP
1NFQ100
1LF70L
1
1RFH
2NF
2RFH 2FFH
Overall quality rating2 6.5b
6.9ab
7.6ab
4.8ab
2.2a
0.8a
5.2ab
1.3b
1.1ab
0.2b
0.3a
3.8ab
2.9a
0.9a
3.5a
0.5a
0.2b
3.3b
7.4ab
5.8a
1.5ab
0.9a
6.3a
1.5b
0.9ab
0.1b
0.5a
3.5ab
2.7a
0.7a
3.4a
0.6a
0.1b
2.9b
6.9ab
6.6b
6.2b
7.3ab
7.7a
4.2ab
1.2ab
0.3a
4.4ab
1.3b
0.8ab
0.1b
0.1a
4.3a
2.2a
0.3a
2.8a
0.3a
0.9ab
3.0b
Cooked aroma3
Caramelized aroma
Grainy/malty aroma
Cooked flavor
Sweet flavor
Caramelized flavor
Bitter flavor
Metallic flavor
Viscosity
Drying
4.2ab
2.0ab
0.7a
4.7ab
4.4a
1.4ab
0.4ab
0.9a
2.6b
2.6a
0.4a
3.0a
0.6a
0.2b
2.7b
5.3ab
2.0ab
1.0a
4.7ab
3.7a
1.7a
0.4ab
0.7a
3.1ab
2.3a
0.6a
3.1a
0.4a
0.3ab
3.0b
6.0a
2.0ab
1.3a
5.9ab
1.1b
1.3ab
0.8ab
0.5a
4.5a
2.5a
0.3a
3.6a
0.8a
0.7ab
3.4b
4.3ab
0.4b
0.6a
3.5b
1.0b
0.5b
1.0ab
0.6a
2.3b
2.0a
0.5a
2.5a
0.3a
0.7ab
2.7b
3.5b
1.0ab
0.2a
4.5ab
0.6b
0.6ab
1.2a
0.3a
3.1ab
2.8a
0.5a
2.9a
0.3a
1.8a
3.7a
4.9b
1.3ab
0.8a
4.7ab
1.0b
0.9ab
0.4ab
0.3a
5.0a
2.1a
0.5a
3.0a
0.3a
0.3ab
3.0b
Chalky
Drying aftertaste
Metallic aftertaste
Bitter aftertaste
Lingering aftertaste
abMeans within the same row (attribute) with different superscripts differ (P 0.05).
Một khía cạnh quan trọng của PCA bao gồm việc x c định số lượng các thuộc
tính cơ bản kh c nhau (PC) được trưng bày bởi các tập dữ liệu. Khi bốn m y tính đầu
tiên được tạo ra từ phân tích này có giá trị riêng > 1 và chiếm 94,4% tổng phương sai
trong tập dữ liệu, bốn máy tính vẫn được giữ lại. Bốn m y tính sau đó đã phải chịu
Varimax luân chuyển để đưa chúng vào liên kết chặt chẽ hơn với các biến số ban đầu.
Các Varimax xoay quanh các yếu tố trội trong đó đại diện cho mối tương quan giữa
các máy tính và các phép đo thuộc tính ban đầu được thể hiện trong Bảng 6.
Bảng 6: Varimax rotated
principal component factor loadings for
ultrapasteurized milk attributes.
Attributes
PC1
0.9711
PC2
0.013
PC3
0.034
PC4
Cooked aroma
0.208
Caramel aroma
Grainy/malty aroma
Cooked flavor
0.497
0.964
0.702
0.038
0.186
0.004
0.003
0.539
0.021
0.547
0.082
0.003
0.942
0.758
0.567
0.231
0.091
0.969
0.191
0.101
0.389
0.252
0.032
0.350
0.146
0.946
0.092
0.413
Sweet flavor
Bitter flavor
Dry texture
Lingering aftertaste
Proportion of total variance
33.1%
25.7%
19.0%
16.6%
NHÓM
19
ề tài: Tìm hiểu ứng dụng của PCA trong phân tích mô tả định lượng
Tải trọng với một giá trị tuyệt đối lớn hơn 0 560 (in đậm) đại diện cho một ảnh
hưởng mạnh mẽ PC1 là hoàn toàn liên quan đến sau khi xử lí các thuộc tính: hương
thơm hương vị sau khi được xử lí. PC2 có yếu tố tải trọng lớn cho khô và kéo dài.
PC3 phần lớn là yếu tố liên quan đến thuộc độ ngọt: caramel và độ ngọt. PC4 là gần
như hoàn toàn bị ảnh hưởng bởi vị cay đắng.
Hình 3
PCA cùng điểm giá trị yếu tố của sản phẩm (bảng 7) xác định rõ vị trí của sản
phẩm với mỗi môt PC xoay Varimax.
ồ thị minh họa mối quan hệ giữa vị trí sản phẩm và các sản phẩm đó Với đồ
thị minh họa này, các sản phẩm tượng tự nhau sẽ được xếp gần nhau và các sản phẩm
khác nhau sẽ đặt xa nhau (theo Cỗn 1982, Lawless và Heymann 1998, Schiffman và
những người khác 1981). Hình 3 cho thấy vị trí của mỗi sản phẩm trong quá trình nấu
(PC1), sấy (PC2) và trục độ ngot (PC3) Theo như mong đợi, hai sản phẩm sữa lactose
giảm (mẫu 1NFQ100LR và 1LF70LR) và ngọt hơn c c loại sữa kh c nên được xếp
gần nhau trên trục và được tách ra từ các loại sữa khác nhau. Các loại sữa có nồng độ
chất béo giống nhau cũng được xếp gần nhau.Hình 4 cho thấy vị trí của mỗi sản phẩm
trong quá trình nấu (PC1), sấy (PC2)và trụcđắng, cay (PC4).Mẫu 2RFHP được phân
biệt với phần còn lại vì nó có đọ đắng cay cao hơn và c c loại sữa có nồng độ chất
béo giống nhau được xếp gần nhau. Tất cả các sản phẩm trong phân xưởng 1 được
nhóm lại với nhau và cũng tương tự các sản phẩm trong phân xưởng 2 cũng được
nhóm lại với nhau điều đó cho thấy rằng các sản phẩm từ c c phân xưởng tương tự sẽ
khá giống nhau so với các sản phẩm đến từ nhà mấy khac. Sữa giảm béo (mẫu
2RFHP) được đ nh gi có chất lượng thấp nhất, trong khi mẫu 2 FFP có sự đ nh gi
chất lượng cao nhất nên được đưa vào cực ở trung tâm.
NHÓM
20
Tải về để xem bản đầy đủ
22 trang
22940
Free
Bạn đang xem 20 trang mẫu của tài liệu "Đề tài Tìm hiểu về ứng dụng của PCA trong phân tích mô tả định lượng", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- de_tai_tim_hieu_ve_ung_dung_cua_pca_trong_phan_tich_mo_ta_di.pdf
