Antikes chinesisches Glas ähnelt im Aussehen fremdem Glas, unterscheidet sich jedoch in der chemischen Zusammensetzung, die durch Verwitterung weiter verändert wird, was die Klassifizierung von Artefakten erschwert. Ausgehend von Klassifizierungsinformationen und kompositionellen Proporzion Daten für eine Menge antiker Glasproben wendeten wir eine kompositionelle Datenanalyse basierend auf der zentrierten Log-Ratio (CLR)-Transformation an, kombiniert mit Chi-Quadrat- und Fishers exakten Tests, um die Beziehungen zwischen Oberflächenverwitterung, Glasart, Verzierung und Farbe zu untersuchen. Zusammenfassende Statistiken, Box-Plots, Normalitätstests und Zwei-Stichproben-t-Tests wurden verwendet, um chemische Zusammensetzungen vor und nach der Verwitterung zu vergleichen und um die Zusammensetzungen vor der Verwitterung aus Medianverhältnissen abzuschätzen. Entscheidungsbäume, logistische Regression, Support Vector Machines und Random Forests wurden dann verwendet, um hochkaliumhaltiges und blei-bariumhaltiges Glas zu klassifizieren, und ANOVA, Signifikanztests und K-Means-Clustering wurden verwendet, um deren kompositionale Unterkategorien zu unterteilen. Die resultierenden Modelle zeigen eine robuste Klassifikationsleistung und bieten einen reproduzierbaren, datengestützten Rahmen für die Klassifikation von antikem chinesischen Glas.
Tang et al. (Fr,) untersuchten diese Frage.