《表1 估计的特殊因子方差及对应的特征序号Tab.1 Estimated variance of special factors and corresponding feature numbers》下
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2D-LPEWT的特征提取方法在电缆局部放电分析中的应用》
然而,不同图谱的特征向量之间可能存在信息重复,将其全部用于后面的分析计算,不但模型复杂,还可能因为变量间存在的多重共线性而引起极大的误差。因此,本文采用因子分析法对各类算子进行降维处理。因子分析是多元统计中一种常用的降维方法[26],其处理结果见表1。根据估计的特殊因子方差大小进行排序,取前13个对应的特征作为本文识别模型的输入参数,最终得到的特征值见表2,其分布如图5所示。
图表编号 | XD0029926100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.10 |
作者 | 秦雪、钱勇、许永鹏、盛戈皞、江秀臣 |
绘制单位 | 上海交通大学电气工程系、上海交通大学电气工程系、上海交通大学电气工程系、上海交通大学电气工程系、上海交通大学电气工程系 |
更多格式 | 高清、无水印(增值服务) |
查看“表1 估计的特殊因子方差及对应的特征序号Tab.1 Estimated variance of special factors and corresponding feature numbers”的人还看了
- 表4 土壤质量指标的主成分因子荷载、公因子方差及权重Tab.4 Principal component factor load and common factor variance of soil quality indicators