《表3 相关系数矩阵：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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

不同类型提取物粉体学性质及其片剂硬度和抗张强度的测定结果见表2。首先对样本数据进行标准化处理，然后对标准化后的数据进行KMO检验和Bartlett检验，KMO统计量是用于比较变量间相关系数和偏相关系数的一个指标，在0～1取值，当KMO统计量>0.5，Bartlett的球形度检验的P<0.05时，样本才适合做主成分分析[18]，由实验结果可知KMO统计量和Bartlett的球形度检验的P分别为0.614，0，说明原始数据适合做主成分分析。相关系数矩阵见表3，大部分变量间的相关系数大于0.5，表明变量间的相关性比较强，需要通过主成分分析进行降维处理。