《表1 KECA和KPCA分析结果》
提示：宽带有限、当前游客访问压缩模式
图中，log为以2为底，r的对数，可见当r=27时，累计信息率有最大值85.34%。选择核参数r=27对重构相空间进行KECA和KPCA，分析结果，见表1。
| 图表编号 | XD00150920700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.20 |
| 作者 | 江风云、唐勇波 |
| 绘制单位 | 宜春学院物理科学与工程技术学院、宜春学院物理科学与工程技术学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 KPCA分析结果：两种不同方法测定铑粉中杂质元素含量的对比》2020.12.28
- 《表2 KPCA计算结果：基于改进K-近邻算法的XLPE电缆气隙放电发展阶段识别》2020.12.10
- 《表2 KPCA特征提取结果》2020.04.15
- 《表1 设备技术参数表：基于SFLA-BP模型和KPCA特征提取的行星齿轮箱故障诊断》2020.04.15
- 《表1 数值仿真故障设置：基于故障判别增强KECA算法的故障检测》2020.03.01
- 《表2 相关性分析结果：基于Copula理论与KPCA-GRNN结合的区域综合能源系统多元负荷短期预测模型》2020.03.23
- 《表3 KPCA与PCA结果比较》2020.03.23
- 《表5 寻优结果：基于KPCA和LS-SVM的制导弹药库存性能评估研究》2020.03.25
- 《表3 正态参数估计值：基于KPCA和LS-SVM的制导弹药库存性能评估研究》2020.03.25
- 《表8 失效阈值：基于KPCA和LS-SVM的制导弹药库存性能评估研究》2020.03.25
- 《表4 交叉验证实验结果：基于KPCA-PSO-RBF-SVM的矿井突水水源识别模型》2020.02.01
- 《表2 KPCA下不同分类器诊断结果数据对比》2020.01.25
- 《表1 实验轴承参数：全矢KPCA和AR模型结合的滚动轴承故障预测方法》2019.11.08
- 《表2 预测误差对比：KPCA和改进SVM在滚动轴承剩余寿命预测中的应用研究》2019.11.08
- 《表5 KPCA方法的实验结果详情》2019.06.15
- 《表1 被试者统计分析：KPCA和Adaboost算法在阿尔茨海默症功能磁共振影像分类中的应用》2019.07.25
- 《表2 实验对比结果：KPCA和Adaboost算法在阿尔茨海默症功能磁共振影像分类中的应用》2019.07.25
- 《表2 相关系数矩阵：基于KPCA-Fisher判别分析的煤炭自燃预测研究》2018.04.10
- 《表1 训练数据集：基于KPCA-Fisher判别分析的煤炭自燃预测研究》2018.04.10
- 《表3 PCA、KPCA分析比较表》2018.03.01