《表4 中差异性波段：基于BP神经网络识别汽车前保险杠方法》

  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BP神经网络识别汽车前保险杠方法》

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

由表3可知，高差异性波段中，第一主成分占有99.94%的贡献度，即第一主成分已经可以表示原有数据99.94%的内容。中差异性波段和低差异性波段经主成分分析后，其第一主成分的贡献度分别为99.88%，99.82%，（只保留到小数点后两位） 由此，取每类波段内的第一主成分，使每个检验材料的二维光谱数据转换为三维数据，即3个维度分别由高、中、低3类波段的第一主成分来表示，由此可求得检验材料光谱原始数据对应的分布图见图3，相比于在二维空间进行区分，三维空间能够更好地将检验材料数据分离开来，在二维平面上可能重合的部分，转换到三维空间后即可得到有效的区分，从而更有利于检材的识别。图3b展示了图3a中密集区域的细节分布。