CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

USING THE METHOD OF PRINCIPAL COMPONENT ANALYSIS TO REDUCE VARIABLES AND ACCESS TO AMINO ACID EQUATIONS OF IRANIAN WHEAT VARIETIES

اعتبار موردنیاز: ۰ | تعداد صفحات: ۱ | تعداد نمایش خلاصه: ۲۶۸ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: NIAC01_339
زبان مقاله: انگلیسی
حجم فایل: ۱۲.۸۱ کلیوبایت
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

راهنمای دانلود فایل کامل این مقاله

اصل مقاله فوق در بانک مقالات سیویلیکا موجود نیست. مقالات کنفرانس‌های کشور توسط دبیرخانه‌های مربوط منتشر می‌شوند و در صورتی که اصل مقاله توسط دبیرخانه منتشر نشده باشد، امکان ارائه آن توسط سیویلیکا وجود ندارد. در صورتی که نویسنده این مقاله هستید، می‌توایند اصل مقاله را جهت درج در بانک مقالات به سیویلیکا ارسال نمایید.

خرید و دانلود PDF مقاله

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

مشخصات نویسندگان مقاله USING THE METHOD OF PRINCIPAL COMPONENT ANALYSIS TO REDUCE VARIABLES AND ACCESS TO AMINO ACID EQUATIONS OF IRANIAN WHEAT VARIETIES

Milad Kahkesh - Department of Animal Science, Khorasgan (Isfahan) Branch, Islamic Azad University, Isfahan, Iran
  Majid Toghyani (شناسه پژوهشگر - Researcher ID: ۳۰۷۸)
Department of Animal Science, Khorasgan (Isfahan) Branch, Islamic Azad University, Isfahan, Iran
Mahmoud Honarvar - Department of Animal Science, Ghods Branch, Islamic Azad University, Tehran, Iran
Akbar ghandi - Isfahan Agriculture and Natural Resources Center, Isfahan, Iran

چکیده مقاله:

When the number of independent variables increases or the volume of samples is low, multicollinearity will happen. Principal Component Analysis (PCA) is a helpful statistical technique for reducing the variables. The first principal component with maximum variance of data which has been assigned to itself, is identifiable (Diana, 2011). The success of PCA method has been reported in various researches. The objectives of this study was recognition and assortment of factors affecting the determination of amino acid content in different wheat varieties and access to specified equation for each amino acid.MATERIALS AND METHODS: In this research, 18 top Iranian wheat varieties in 54 samples were used. The values of proximate analysis (CP, DM, CF, EE, Ash and GE) were measured and applied. Determination of dry matter, fiber, fat, ash and energy was done in laboratory. Parts of the samples were sent to Degussa company in Germany in order to determination of protein content and 12 essential amino acids by NIRA. In PCA method, we used factor analysis through principal component and using SAS.RESULTS AND DISCUSSION: As a result of this experiment, 3 principal components with cumulative percentage of %77.13 were obtained. In this way, the first factor vindicates %36.40 0f changes and its specific value is 2.183. The second and third factor with vindication of 23.86 and %16.88 of changes with 1.43 and 1.01 specific radical respectively. To make the coefficient matrix, the factors with specific radical more than1, were selected(3 factors). In a study, use PCA method for hepatic septicemia chickens (Dey et al., 2003). Other researchers used PCA to compare growth rate in roosters (Franco et al., 2012). Finally, we can access the equation corresponding to each specific amino acid using principal factors. According to criteria for PCA classifying method with R2 and MSE parameters, we can say that criteria obtained from this method, is acceptable and attributable.

کلیدواژه‌ها:

Wheat amino acids, Proximate analysis, Principal component analysis.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NIAC01-NIAC01_339.html
کد COI مقاله: NIAC01_339

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Kahkesh, Milad; Majid Toghyani; Mahmoud Honarvar & Akbar ghandi, ۱۳۹۲, USING THE METHOD OF PRINCIPAL COMPONENT ANALYSIS TO REDUCE VARIABLES AND ACCESS TO AMINO ACID EQUATIONS OF IRANIAN WHEAT VARIETIES, اولین کنفرانس بین المللی ایده های نو در کشاورزی, اصفهان, دانشگاه آزاد اسلامی واحد خوراسگان, https://www.civilica.com/Paper-NIAC01-NIAC01_339.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Kahkesh, Milad; Majid Toghyani; Mahmoud Honarvar & Akbar ghandi, ۱۳۹۲)
برای بار دوم به بعد: (Kahkesh; Toghyani; Honarvar & ghandi, ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.