《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》
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KPCA-Fisher判别分析的煤炭自燃预测研究》
2) 相关性分析。若各个影响因素之间存在相关性,在用Fisher判别分析法进行判别时,可能会夸大某些影响因素的作用,这样不仅会影响判别的效果,还会增加运算时间及空间复杂度。因此,有必要对8个判别指标进行相关性分析。运用SPSS19.0统计软件对选取的8个指标变量进行Pearson相关性分析,以降低指标之间的信息重叠。对求得的相关系数矩阵(如表2所示)进行分析,其结果表明:X1、X2、X3、X4、X5、X6这6个判别指标间相关系数绝对值大于0.6,表明这6个指标数据间存在显著的相关关系;X3、X4、X6、X8这4个判别指标间相关系数绝对值大于0.5,表明这4个指标数据间也存在显著的相关关系。由此可见,只有X7与其他指标变量的相关性较弱。指标变量间存在较强的相关性及信息重叠,若直接作为Fisher判别分析模型的输入变量可能会对预测精度产生影响,可能产生误判。依据KPCA的原理及优点,对相关性较强的X1、X2、X3、X4、X5、X6、X8这7个变量进行KPCA处理。
图表编号 | XD0017325400 严禁用于非法目的 |
---|---|
绘制时间 | 2018.04.10 |
作者 | 温廷新、于凤娥 |
绘制单位 | 辽宁工程技术大学系统工程研究所、辽宁工程技术大学系统工程研究所 |
更多格式 | 高清、无水印(增值服务) |