• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of natural fibers >Clustering and Classification of Cotton Lint Using Principle Component Analysis, Agglomerative Hierarchical Clustering, and K-Means Clustering
【24h】

Clustering and Classification of Cotton Lint Using Principle Component Analysis, Agglomerative Hierarchical Clustering, and K-Means Clustering

机译：使用主成分分析，聚集层次聚类和K均值聚类对棉绒进行聚类和分类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Cotton from the three cotton growing regions of Uganda was characterized for 13 quality parameters using the High Volume Instrument (HVI). Principal Component Analysis (PCA), Agglomerative Hierarchical Clustering (AHC) and k-means clustering were used to model cotton quality parameters. Using factor analysis, cotton yellowness and short fiber index were found to account for the highest variability. At 5% significance level, the highest correlation (0.73) was found between short fiber index and yellowness. Based on Cotton Outlook's world classification and USDA Standards, the cotton under test was deemed of high and uniform quality, falling between Middling and Good Middling grades. Our suggested classification integrates all lint quality parameters, unlike the traditional methods that consider selected parameters.
机译：使用高容量仪器（HVI）对来自乌干达三个棉花种植​​区的棉花的13个质量参数进行了表征。使用主成分分析（PCA），聚集层次聚类（AHC）和k均值聚类对棉花质量参数进行建模。使用因子分析，发现棉花的黄度和短纤维指数是最大的变异性。显着性水平为5％时，短纤维指数与黄度之间的相关性最高（0.73）。根据《棉花展望》的世界分类和美国农业部标准，被测棉花被认为具有高品质和均匀的质量，介于中级和中级之间。我们建议的分类方法整合了所有皮棉质量参数，这与考虑选定参数的传统方法不同。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号