《表3 主成分分析结果摘要》
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。
图表编号 | XD00201373700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.26 |
作者 | 卫辰洁、王继芬、秦歌、杜浩宇、穆义龙 |
绘制单位 | 中国人民公安大学侦查学院、中国人民公安大学侦查学院、中国人民公安大学侦查学院、中国人民公安大学侦查学院、中国人民公安大学侦查学院 |
更多格式 | 高清、无水印(增值服务) |