《表3 主成分分析结果摘要》

  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

《基于光谱分类模型的保险杠物证无损研究》

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

采用主成分分析技术对全波段光谱数据进行特征变量的提取，将关联性较强的原始光谱数据转化成没有关联性的新变量，并选择尽量少的新变量来反映样本的主要特征。表3展示了对52个样本主成分分析的结果。表中第一列是指PCA所提取的成分；“特征值”则与成分相对应，可以表示该成分解释方差的大小；第三列是指对应的成分所包含的方差与总方差的比值百分数；第四列是前N个成分方差贡献率的累计占比。具体来说，实际应用中要求选择“特征值”大于1的成分作为主成分，同时累计方差贡献率大于85%，才能作为代表原始变量的主成分分数[15]410。由表3可知，满足特征值大于1的为前10个成分，它们的贡献率之和为99.645%，即可以代表原始数据99.645%的信息。因此，实验基于前10个成分来构建分类模型。