《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》

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

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。