《表2 围岩稳定性数据：基于PCA-RVM的围岩稳定性识别模型》

  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-RVM的围岩稳定性识别模型》

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

对文献[3]中影响围岩稳定性的数据集进行整理，以1～21组数据作为学习样本，以22～27组数据作为待分类样本，围岩稳定性数据见表2。RVM分类模型的1个显著特点是对小样本数据有较好处理能力，为此，采用PCA方法对初始变量做线性变换，以达到数据降维的目的。主成分分析前，为避免表1中各影响因子因量纲问题带来的误差，先对数据作中心化及标准化处理。根据主成分分析原理求解相关系数矩阵R，不同变量间的相关系数矩阵见表3。用KMO检验进行抽样充足量的测度，检验各影响因子间的偏相关系数是否满足进行主成分分析的前提条件。用Bartlett球形检验验证输出矩阵是否为单位阵。通过计算，KMO值为0.842，Bartlett球形检验中sig值为0，认为可以进行主成分分析。