《表1 相关系数矩阵：主成分分析与BP神经网络对束裤压力的预测》
提示：宽带有限、当前游客访问压缩模式
（2） 计算影响束裤压力的9个因素的相关系数矩阵R，将标准化后的原始输入样本导入SPSS软件中，相关系数矩阵见表1。
| 图表编号 | XD0070644900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.07.16 |
| 作者 | 郭颖、丁正生、马秋瑞、林强强 |
| 绘制单位 | 西安科技大学理学院、西安科技大学理学院、西安工程大学服装艺术设计学院、西安工程大学机电工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 供需与金融因素：基于主成分分析的BP神经网络在稀土价格预测的应用：以氧化镝为例》2020.06.15
- 《表4 成分矩阵a：基于主成分分析的BP神经网络在稀土价格预测的应用：以氧化镝为例》2020.06.15
- 《表3 总方差解释：基于主成分分析的BP神经网络在稀土价格预测的应用：以氧化镝为例》2020.06.15
- 《续表4：基于主成分分析的BP神经网络在稀土价格预测的应用：以氧化镝为例》2020.06.15
- 《表1：相关系数矩阵表：基于主成分与聚类分析的中国新型冠状病毒城市划分》2020.03.20
- 《表4 成分矩阵表：改进的BP神经网络煤矿瓦斯涌出量预测模型》2019.10.25
- 《表4 相关系数矩阵：基于主成分分析的赣州稀土资源对当地经济贡献率研究》2019.07.01
- 《表2 BP神经网络预测结果与原等级分数相关系数》2019.09.10
- 《表2 相关系数表：基于SPSS与BP神经网络的南宁市房价预测对比研究》2019.08.28
- 《表1:相关系数矩阵：基于文化程度对经济发展的主成分分析》2019.01.20
- 《表5 成分得分系数矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
- 《表3 各因素相关矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
- 《表6 公共因子矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
- 《表4 成分矩阵：基于因子分析与BP神经网络的煤与瓦斯突出预测》2019.04.01
- 《表3 相关系数矩阵：企业安全生产状况与经济发展水平的主成分分析》2018.10.01
- 《表3 主因子得分系数：基于主因子分析的改进BP神经网络瓦斯涌出量预测》2018.12.10
- 《表1 相关系数矩阵：陕西省综合实力与差异性研究——基于主成分-聚类分析法》2018.06.25
- 《表2 相关系数结果：融合遗传算法和BP神经网络对基坑地表沉降预测的应用研究》2018.10.25
- 《表2 特征值与贡献率：基于主成分分析的随机遗传BP网络及其房价预测》2019.08.01
- 《表5 预测结果比较：基于主成分分析的随机遗传BP网络及其房价预测》2019.08.01