《表1 各特征值响应程度单因素方差分析结果》
采用单因素方差分析,将因子载荷优化后的各特征值当作一个因素,3个等级茶叶的响应作为水平,进行方差齐性检验。表1为单因素方差分析结果,各特征组间平方和与均方越大,组内平方和与均方越小,重复性越好,其中F值越大表明该特征向量对样品的区分度越高[23]。综合对比各特征向量组间平方和与均方、组内平方和与均方、F值可发现,特征向量V4、V5、V21的F值最小,组间平方和与均方较小,组内平方和与均方较大,可能影响毛尖茶品质的区分应予以剔除。剔除后保留V3、V8、V16、V17、V19、V20、V24、V25、V29,对9个特征值组成的新矩阵进行PCA、LDA分析,结果如图7、图8所示。PCA分析显示前两个主成分的贡献率分别为73.54%、21.29%,解释了总方差的94.83%,相比经归一化处理PCA分析解释总方差略微增大。同因子载荷优化后相比,各等级茶叶组内间距进一步缩小,3个等级茶叶各自的聚集效果有所增强。Y1、Y2组间间距增大分类效果更加明显,3个等级的茶叶可得到明显区分。LDA分析表明单因素方差优化前后分类结果依旧保持良好,佐证说明特征向量V4、V5、V21存在大量冗余信息,单因素方差分析优化可进一步减少3组特征值,优化后会减小计算量,有助于加快分类速度。
图表编号 | XD007524700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.01 |
作者 | 张红梅、邹光宇、王淼森、肖焱中、田辉、王万章 |
绘制单位 | 河南农业大学机电工程学院、河南农业大学机电工程学院、河南农业大学机电工程学院、河南农业大学机电工程学院、河南农业大学机电工程学院、河南农业大学机电工程学院 |
更多格式 | 高清、无水印(增值服务) |