《表5 变量筛选结果(1)》

  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

《基于植被指数及多光谱纹理特征的降香黄檀叶片全铁含量预测》

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

（1）VIs代表植被指数；TFMV代表纹理特征均值；TFV代表纹理特征方差。下同。

为了减少数据之间的冗余，本文首选选择出与TIC在0.05和0.01水平上相关的变量，再使用4种变量筛选方法进行二次选择。其中相关性分析法中，将VIs和纹理特征的相关性阈值分别设置为0.7和0.8（即比较相关性大于阈值的变量，选择与TIC的Pearson系数最高的变量）；主成分分析保留前三主成分；MIV算法中选择在原值的基础上加减10%构成新的训练样本；GA算法中染色体长度为30，种群大小为20，最大进化代数设置为100。为避免不同自变量个数对最终预测结果的影响，本研究选择每种方法筛选出的前8位变量，最终结果如表5所示。