《表4 样本指标的主成分分析》
通过主成分分析方法处理初始样本矩阵,可如表4所示的11个主成分。由表4可看出,特征值7.9515、1.0850、0.6089、0.3969和0.2538的累计贡献率已达到94%以上,接近95%。因此通过主成分分析可得到具有代表性的度量指标,本文选取了这5个特征值分别对应的主成分,代替11个指标参数表示的特征矩阵。通过将标准化的样本矩阵与这5个主成分对应的特征向量矩阵相乘,即可得到新的RBF神经网络的输入数据。
图表编号 | XD00100582900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.01 |
作者 | 李昀、吴华瑞、韩笑、杨宝祝、李庆学、顾静秋 |
绘制单位 | 北京市农林科学院、国家农业信息化工程技术研究中心、北京市农业信息技术研究中心、农业部农业信息软硬件产品质量检测重点实验室、国家农业信息化工程技术研究中心、北京市农业信息技术研究中心、农业部农业信息软硬件产品质量检测重点实验室、国家农业信息化工程技术研究中心、北京市农业信息技术研究中心、农业部农业信息软硬件产品质量检测重点实验室、国家农业信息化工程技术研究中心、北京市农业信息技术研究中心、农业部农业信息软硬件产品质量检测重点实验室、国家农业信息化工程技术研究中心、北京市农业信息技术研究中心、农业部农业信息软 |
更多格式 | 高清、无水印(增值服务) |