主成分分析法在排序中的应用.pptVIP

主成分分析法在植被排序中的应用;Contents;排序的概述;排序的目的和意义;直接梯度分析;排序和分类;种类环境关系模型;1 主分量分析;PCA的分析过程;4 求特征根所对应的特征向量 根据S矩阵的特征方程，第i个特征根和第i个特征向量有如下关系： 解方程可以得到特征向量 ， 重复多次可得出P个特征向量，构成矩阵U 5 求排序坐标矩阵Y 6 求属性的负荷量 是第i个属性（种）对第j个主分量的负荷量。 矩阵表示：;例子;第四步，求S的特征向量;排序结果用图形表示，得6个样方的PCA排序图：;PCA是首次在低维空间排列样方而包含了大多数数据信息的多元排序方法，受到不少学者的喜爱，它在排序方法发展的过程中有着重要的地位。 PCA的最大缺点是它的线性模型，一般认为，线性模型不能很好的反映植物种、植被与环境间的关系，因此PCA结果的解释较为困难而且带有较大的主观性。;2 典范主分量分析;用迭代过程进行CPCA计算;5）对样方排序值进行利差标准化;Ele;CPCA排序图中箭头表示环境因子，箭头连线的长短表示植物种和群落的分布与该环境因子相关性的大小，箭头连线与排序轴夹角的大小表示环境因子与环境轴相关性的大小，夹角小说明关系密切，箭头所处的象限表示环境因子与排序轴之间的正、负相关性。 从CPCA排序图中可以看出，CPC