《表2 前6个主成分的累积贡献率》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于分窗Gram-Schmidt高光谱降维的水稻纹枯病检测》
主成分分析(principal component analysis,PCA),是利用降维的思想,把多指标转化为少数几个综合指标,是一种简化数据集的技术。应用于全波段降维,能够消除波段之间的相关影响,因为其在对原始数据指标变量进行变换后形成了彼此相互独立的主成分。在本研究中,对原始光谱400~1000nm数据进行主成分分析,表2分别为盆栽与大田水稻光谱降维后主成分个数与累计方差贡献率,提取6个主成分,累积方差贡献率达到99.61%和99.67%,即此6个因子可以包含变量中的99%以上的信息。
图表编号 | XD00124044300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 曹英丽、肖文、江凯伦、郭宝赢、刘亚帝、王洋 |
绘制单位 | 沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心 |
更多格式 | 高清、无水印(增值服务) |