《表2 元素变量最大值最小值》
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
《耦合PCA-SVM算法的金矿矿床规模预测分析研究》
将归一化之后的数据通过PCA分析,图3为各个维度经PCA变换后的协方差矩阵特征值图,从图3中可以看出,在不同的成矿规模下,不同的互相独立的主成分(经PCA转换后得到的新变量)的特征向量所对应的特征值差异性明显。因此,各个主成分具有的信息量具有明显的差异性。经PCA计算得出如图4所示的主成分信息量占比示意图。从图4中可以得出,随着主成分的个数的增加,维度所蕴含的信息量增加得越来越缓慢,代表可用于预测判别信息量越来越少。因此,在保证信息量充足的条件下,选取总共保留95%信息量(m的初始值)的维度作为PCA-SVM的初始输入信息量。最大迭代次数I设置为35次。
图表编号 | XD0056959800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.01 |
作者 | 刘承照、韩帅、李明超、朱月琴 |
绘制单位 | 天津大学水利工程仿真与安全国家重点实验室、天津大学水利工程仿真与安全国家重点实验室、天津大学水利工程仿真与安全国家重点实验室、中国地质调查局发展研究中心、自然资源部地质信息技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |