《表6 成分得分系数矩阵：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

设真密度（X1）、松密度（X2）、振实密度（X3）、Hausner比值（X4）、压缩度（X5）、休止角（X6）、孔隙率（X7）及含水量（X8），主成分系数矩阵见表6，可以说明各主成分在各变量上的载荷，从而得出主成分的表达式，进一步计算可得到主成分得分，见表7。选取上述得出的2个主成分F1和F2作为RBF神经网络预测模型的输入变量进行网络训练学习，即将神经网络中的输入层神经元个数由8个降低为2个，从而简化了神经网络模型的结构。