<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Accepted and Presented Articles of OPSI Conferences</title>
<title_fa>مقالات پذیرفته و ارائه شده در کنفرانس‌های انجمن اپتیک و فوتونیک ایران</title_fa>
<short_title>ICOP &amp; ICPET _ INPC _ ICOFS</short_title>
<subject>Basic Sciences</subject>
<web_url>http://opsi.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1126-3278</journal_id_issn>
<journal_id_issn_online>10</journal_id_issn_online>
<journal_id_pii>8</journal_id_pii>
<journal_id_doi>7</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid>14</journal_id_sid>
<journal_id_nlai>8888</journal_id_nlai>
<journal_id_science>13</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1394</year>
	<month>11</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2016</year>
	<month>2</month>
	<day>1</day>
</pubdate>
<volume>22</volume>
<number>مجموعه مقالات پذیرفته و ارائه شده در بیست و دومین کنفرانس اپتیک و فوتونیک ایران </number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>تحلیل آماری داده های چند متغیره ی حاصل از بیناب نمایی فروشکست القایی لیزری وتقلیل ابعاد داده ها با استفاده از روش تحلیل مولفه اصلی به منظور شناسایی پلیمر ها</title_fa>
	<title>Statistical multivariate analysis in laser induced breakdown spectroscopy (LIBS) data and reduction dimensions of data by principal component analysis (PCA) with aim of polymers recognition </title>
	<subject_fa>تخصصی</subject_fa>
	<subject>Special</subject>
	<content_type_fa>پژوهشي</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p&gt;در این پژوهش روش تحلیل مولفه اصلی( PCA) به عنوان یکی از روش های تحلیل آماری داده های چند متغیره برای تقلیل بعد داده ها و همچنین برای یافتن یک الگو در داده های حاصل از بیناب LIBS به منظور تفکیک نمونه ها استفاده شد. ابتدا 5 نمونه پلیمری تهیه و سپس شدت متناظر با 17 طول موج مرتبط با خطوط گسیلی اتمی و یونی و باند های مولکولی برای هر نمونه به عنوان ماتریس ورودی در روش PCA، انتخاب شد. نتایج تحقیق نشان داد که تنها با 3 متغیر خروجی از روش PCA پلیمرهای مورد آنالیز را می توان از هم تشخیص و ابعاد داده ها را نیز کاهش داد.&lt;/p&gt;
</abstract_fa>
	<abstract>&lt;p&gt;In this research principal component analysis as one of statistical multivariate analysis methods with aim of reduction dimensions of data and also finding a pattern in laser induced breakdown spectroscopy data in order to classify of samples was applied.At first 5 polymer samples was prepared and then intensity corresponding to 17 wavelengths relating to atomic and ionic lines and molecular bands for each sample as input matrix in PCA method,was selected.The results show that with only 3 output variables from PCA method,analysis polymers can be recognized from each other and also dimensions of data ,was reduced.&lt;br&gt;
&lt;br&gt;
&lt;br&gt;
&lt;br&gt;
&lt;br&gt;
&lt;br&gt;
&amp;nbsp;&lt;/p&gt;
</abstract>
	<keyword_fa>بیناب نمایی فروشکست القایی لیزری, تحلیل مولفه اصلی , شناسایی پلیمرها , تقلیل ابعاد داده ها. </keyword_fa>
	<keyword> Laser induced breakdown spectroscopy, Principal component analysis, Polymers recognition, Reduction dimensions of data</keyword>
	<start_page>404</start_page>
	<end_page>407</end_page>
	<web_url>http://opsi.ir/browse.php?a_code=A-10-1-1034&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>mohammad</first_name>
	<middle_name></middle_name>
	<last_name>Vahid  Dastjerdi</last_name>
	<suffix></suffix>
	<first_name_fa>محمد</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>وحید دستجردی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>mvd_vahid@yahoo.com</email>
	<code>10031947532846004552</code>
	<orcid>10031947532846004552</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>seyed jabar</first_name>
	<middle_name></middle_name>
	<last_name>Mousavi</last_name>
	<suffix></suffix>
	<first_name_fa>سید جبار</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>موسوی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>s.j.mousavi67@gmail.com</email>
	<code>10031947532846004553</code>
	<orcid>10031947532846004553</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>seyed mohammadreza</first_name>
	<middle_name></middle_name>
	<last_name>Darbani</last_name>
	<suffix></suffix>
	<first_name_fa>سید محمدرضا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>دربانی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>darbany2002@yahoo.com</email>
	<code>10031947532846004554</code>
	<orcid>10031947532846004554</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>ali</first_name>
	<middle_name></middle_name>
	<last_name>Mousavi Azar</last_name>
	<suffix></suffix>
	<first_name_fa>علی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>موسوی آذر</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>alimousaviazar@gmail.com</email>
	<code>10031947532846004555</code>
	<orcid>10031947532846004555</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


	<author>
	<first_name>mahmood</first_name>
	<middle_name></middle_name>
	<last_name>Soltanolkotabi</last_name>
	<suffix></suffix>
	<first_name_fa>محمود</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>سلطان الکتابی</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>mssoltan@yahoo.com</email>
	<code>10031947532846004556</code>
	<orcid>10031947532846004556</orcid>
	<coreauthor>No</coreauthor>
	<affiliation></affiliation>
	<affiliation_fa></affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
