《表2 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

《基于光谱数据融合和人工神经网络的汽车灯罩鉴别》

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

表2和图1分别展示了对汽车灯罩样本原始数据进行PCA的结果。根据特征值大于1和累计方差率高于85%的普遍要求[26]，选取了前11个成分（principal component，pc）作为主成分（如表2所示）。从表2可以看出，前11个成分的累积方差贡献率达到99.401%，即可以解释原始数据99.401%的信息。图1清晰地展示了提取的11个主成分对原始数据解释方差的大小，即特征值。从图中可以看出，第一主成分和第二主成分，即pc1和pc2的特征值显著高于其他点，可以很大程度上的解释原始数据信息。从第三主成分，即pc3开始，特征值点趋于平缓，方差贡献率明显降低。在相同的要求下，对一阶导数数据和融合后的数据进行PCA，分别提取了前41个和前40个成分作为一阶导数数据和融合后的数据的主成分，累积方差贡献率均达到100.0%。