《表3 前5个主成分的累积贡献率》

  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

《高光谱数据降维与水稻氮素含量解析方法》

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

PCA （principal component analysis）是实现数据降维的常用方法，能够尽可能多的保留原始数据的主要信息，并能有效地排除大量原始数据信息的重叠性。主成分分析法对于有各变量有较强相关性的数据效果好，广泛应用于高光谱数据的降维，但是各变量间相关性过强也会对主成分分析结果造成影响[25]。在本研究中，对水稻叶片光谱400～1000nm数据进行主成分分析，通过改变主成分因子数的大小，选择适当的因子数量，使降维效果达到最好，表3为光谱降维后主成分个数与累计方差贡献率，提取5个主成分，累积方差贡献率达到96.51%，即此5个因子可以包含变量中的96.51%的信息。