《表5 成分矩阵:基于PCA-RBF神经网络的中药片剂物料属性-抗张强度预测模型的研究》
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PCA-RBF神经网络的中药片剂物料属性-抗张强度预测模型的研究》
主成分个数提取原则为只取特征值大于1的特征根对应的成分作为提取主成分[19]。通过对数据进行主成分分析,可得到特征值及主成分方差贡献率和累计贡献率、主成分因子荷载矩阵等结果,见表4,5,可以看出提取2个主成分,即m=2,累计贡献率可达到87.32%,其中,第一主成分特征值为5.392,方差贡献率为67.40%;第二主成分特征值为1.594,方差贡献率为19.92%。由表5可知不同类型提取混合物的真密度、松密度、Hausner比值、压缩度、休止角、孔隙率及含水量均在第一主成分上有较高载荷,说明第一主成分基本反映了这些指标的信息;振实密度在第二主成分上有较高载荷,说明第二主成分基本反映了这个指标的信息,故提取2个主成分可基本反映全部指标的信息。
图表编号 | XD00127849500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.15 |
作者 | 赵海宁、王亚静、商利娜、周梦楠、张怡、叶相印、王雁雯、高迪 |
绘制单位 | 天津中医药大学、天津中医药大学现代中药发现与制剂技术教育部工程研究中心、天津中医药大学、天津中医药大学现代中药发现与制剂技术教育部工程研究中心、天津中医药大学、天津中医药大学现代中药发现与制剂技术教育部工程研究中心、天津中医药大学、天津中医药大学现代中药发现与制剂技术教育部工程研究中心、天津中医药大学、天津中医药大学现代中药发现与制剂技术教育部工程研究中心、天津中医药大学、天津中医药大学现代中药发现与制剂技术教育部工程研究中心、天津中医药大学、天津中医药大学现代中药发现与制剂技术教育部工程研究中心、天津中 |
更多格式 | 高清、无水印(增值服务) |