《表3 前5个主成分的累积贡献率》
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。
图表编号 | XD00210675200 严禁用于非法目的 |
---|---|
绘制时间 | 2021.02.01 |
作者 | 曹英丽、肖文、刘亚帝、江凯伦、郭宝赢、于丰华 |
绘制单位 | 沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心、沈阳农业大学信息与电气工程学院、辽宁省农业信息化工程技术中心 |
更多格式 | 高清、无水印(增值服务) |