《表2 防风Y1～Y3各成分特征值、方差贡献率及累积贡献率》

  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

《基于主成分分析法识别不同产地防风和黄芩》

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

试验采用主成分分析方法对红外光谱数据进行分析表达，即采用不同的主成分分量的线性组合来压缩表示不同产地防风的特征数据。这里令Fi为第i个主成分分量，光谱数据的协方差矩阵在第i个特征上的方差大于其余n-i个特征的方差，故F1特征下的方差Var（F1）最大[19]。PCA中各主成分分量是原数据协方差矩阵的不同奇异值所对应的特征向量，所以它们是正交的，则Cov（F1，F2）=0。以此建立主成分分析模型进行分析。通过SPSS程序，获得不同产地防风的各主成分特征值、贡献率及累积贡献率取累积贡献率。由表2可知总方差的99.99%的贡献来自前3个因子，即可认定前三个因子为红外光谱的特征峰。