更多“白豆蔻的主成分是()”相关问题
  • 第1题:

    下列关于主成分分析的表述正确的有( )。

    A.主成分分析的目的是寻找少数几个主成分代表原来的多个指标

    B.所确定的几个主成分之间是高度相关的

    C.所确定的几个主成分之间是互不相关的

    D.使用主成分分析方法的前提是原来的多个指标之间是相关的

    E.各主成分是原来指标的线性函数


    正确答案:ACDE

  • 第2题:

    因子分析是主成分分析的发展,主成分分析是进行因子分析的一种重要方法。()


    参考答案:√

  • 第3题:

    红花( )

    A、主含挥发油

    B、主含生物碱类成分

    C、主含黄酮类成分

    D、主含苷类成分

    E、主含鞣质类成分


    正确答案:D
    解析:花类中药——红花

  • 第4题:

    洋金花( )

    A、主含挥发油

    B、主含生物碱类成分

    C、主含黄酮类成分

    D、主含苷类成分

    E、主含鞣质类成分


    正确答案:B
    解析:花类中药——洋金花

  • 第5题:

    A.来源于桔梗科植物,主成分为皂苷
    B.来源于蓼科植物,主成分为蒽醌衍生物
    C.来源于五加科,主成分为皂苷
    D.来源于兰科植物,主成分为苷类
    E.来源于伞形科植物,主成分为挥发油

    南沙参的来源和主要成分是

    答案:A
    解析:

  • 第6题:

    主料是指在菜肴中作为()、占主导地位、起突出作用的原料。

    • A、主形成分
    • B、主色成分
    • C、主要成分
    • D、主味成分

    正确答案:C

  • 第7题:

    以下关于主成分分析中主成分的说法正确的是()

    • A、主成分是原变量的线性组合
    • B、各个主成分之间相互相关
    • C、每个主成分的均值为0、其方差为协方差阵对应的特征值
    • D、不同的主成分轴(载荷轴)之间相互正交

    正确答案:A,C,D

  • 第8题:

    主成分分析中,仅仅对一个原始变量有作用的主成分称为()。

    • A、单一成分
    • B、独立成分
    • C、特殊成分
    • D、公共成分

    正确答案:C

  • 第9题:

    珍珠的药用部位和主成分是()

    • A、主成分为碳酸钙
    • B、干燥贝壳
    • C、二者均是
    • D、二者均否

    正确答案:A

  • 第10题:

    白豆蔻的主成分是()

    • A、挥发油
    • B、黄酮类化合物
    • C、两者均是
    • D、两者均非

    正确答案:A

  • 第11题:

    有关主成分的方差,下述表达正确的是()

    • A、主成分的方差矩阵是对角矩阵
    • B、第k个主成分的方差为对应的特征根
    • C、主成分的总方差等于原变量的总方差
    • D、主成分的方差等于第k个主成分与第j个变量样本间的相关系数
    • E、任意两个主成分的方差是不相关的。

    正确答案:A,B,C,E

  • 第12题:

    多选题
    以下关于主成分分析中主成分的说法正确的是()
    A

    主成分是原变量的线性组合

    B

    各个主成分之间相互相关

    C

    每个主成分的均值为0、其方差为协方差阵对应的特征值

    D

    不同的主成分轴(载荷轴)之间相互正交


    正确答案: D,C
    解析: 主成分分析(Principal Component Analysis)也称为主分量分析或者矩阵数据分析,是一种统计分析中常用的方法。它利用数理统计方法找出系统中的主要因素和各因素之间的关系,由于系统地相互关联性,当出现异常情况时或对系统进行分析时,抓住几个主要参数的状态,就能把握系统的全局。
    主成分分析法是一种把系统中的多个变量(指标)转化为较少的几个不相关的综合指标的统计分析法,因而可将多变量的高维空间问题简化成低维的综合指标问题。

  • 第13题:

    芒硝的主成分是( )


    正确答案:A

  • 第14题:

    下列关于因子得分和主成分得分的说法,正确的有( )。

    A.因子得分和主成分得分都是标准化得分

    B.因子得分是确定的

    C.主成分得分是不确定的

    D.因子得分是不确定的

    E.主成分得分是确定的


    正确答案:ABC

  • 第15题:

    根据下列选项,回答 54~56 题:

    A.主含挥发油

    B.主含生物碱类成分

    C.主含黄酮类成分

    D.主含苷类成分

    E.主含鞣质类成分

    第 54 题 洋金花( )。


    正确答案:B

  • 第16题:

    朱砂的主成分是 D


    正确答案:D

  • 第17题:

    牛黄含有的三大类成分是胆色素类、()和()。麝香的主成分是()。斑蝥的主成分是()。


    正确答案:胆固醇类;胆酸类;麝香酮;板蝥素

  • 第18题:

    什么是多光谱空间?什么是主成分变换?主成分变换的应用意义是什么?


    正确答案: 多光谱空间是一个n维坐标系,每一个坐标轴代表多波段图像的一个波段,坐标值表示该波段像元的灰度值,图像中的每个像元对应于坐标空间中的一个点。
    K-L变换又称为主成分变换(principalcomponentanalysis)或霍特林(Hotelling)变换。它的原理如下:对某一n个波段的多光谱图像实行一个线性变换,即对该多光谱图像组成的光谱空间X乘以一个线性变换矩阵A,产生一个新的光谱空间Y,即产生一幅新的n个波段的多光谱图像。其表达式为
    Y=AX
    式中:X为变换前多光谱空间的像元矢量;Y为变换后多光谱空间的像元矢量;A为一个n×n的线性变换矩阵。
    根据以上的分析可将K-L变换的应用归纳如下。
    (1)数据压缩。经过主成分变换,多光谱图像变成了新的主成分图像,像元的亮度值不再表示地物原来的光谱值。但变换后的前几个主分量包含了绝大部分的地物信息,在一些情况下几乎是100%,因此可以只取前几个主分量,既获得了绝大部分的地物信息,又减少了数据量,如TM图像,经主成分变换后可只取前3个主分量,波段数由7个减少到3个,数据量减少到43%,实现了数据压缩。
    (2)图像增强。主成分变换的前几个主分量包含了主要的地物信息,噪声相对较少;而随着信息量的逐渐减少,最后的主分量几乎全部是噪声信息(如MSS数据中的条纹)。因此,主成分变换突出了主要信息,抑制了噪声,达到了图像的目的。
    (3)分类前预处理。多波段图像的每个波段并不都是分类最好的信息源,因而分类前的一项重要工作就是特征选择,即减少分类的波段数并提高分类效果。主成变换即是特征选择最常用的方法。

  • 第19题:

    在主成分分析中,选定r个主成分的依据是:前r个主成分的累计贡献率()。

    • A、大于或等于60%
    • B、大于或等于70%
    • C、大于或等于80%
    • D、大于或等于90%

    正确答案:C

  • 第20题:

    雄黄的主成分是(),自然铜的主成分是(),石膏的主成分是()。


    正确答案:二硫化二砷;二硫化铁;CaSO4˙2H2O

  • 第21题:

    白豆蔻的主要成分是()

    • A、挥发油
    • B、生物碱
    • C、两者均有
    • D、两者均无

    正确答案:A

  • 第22题:

    主成分分析中,主成分的方差具有的特征是()。

    • A、依次递增
    • B、依次递减
    • C、大小相等
    • D、先变大后变小

    正确答案:B

  • 第23题:

    多选题
    有关主成分的方差,下述表达正确的是()
    A

    主成分的方差矩阵是对角矩阵

    B

    第k个主成分的方差为对应的特征根

    C

    主成分的总方差等于原变量的总方差

    D

    主成分的方差等于第k个主成分与第j个变量样本间的相关系数

    E

    任意两个主成分的方差是不相关的。


    正确答案: D,E
    解析: 暂无解析

  • 第24题:

    问答题
    什么是多光谱空间?什么是主成分变换?主成分变换的应用意义是什么?

    正确答案: 多光谱空间是一个n维坐标系,每一个坐标轴代表多波段图像的一个波段,坐标值表示该波段像元的灰度值,图像中的每个像元对应于坐标空间中的一个点。
    K-L变换又称为主成分变换(principalcomponentanalysis)或霍特林(Hotelling)变换。它的原理如下:对某一n个波段的多光谱图像实行一个线性变换,即对该多光谱图像组成的光谱空间X乘以一个线性变换矩阵A,产生一个新的光谱空间Y,即产生一幅新的n个波段的多光谱图像。其表达式为
    Y=AX
    式中:X为变换前多光谱空间的像元矢量;Y为变换后多光谱空间的像元矢量;A为一个n×n的线性变换矩阵。
    根据以上的分析可将K-L变换的应用归纳如下。
    (1)数据压缩。经过主成分变换,多光谱图像变成了新的主成分图像,像元的亮度值不再表示地物原来的光谱值。但变换后的前几个主分量包含了绝大部分的地物信息,在一些情况下几乎是100%,因此可以只取前几个主分量,既获得了绝大部分的地物信息,又减少了数据量,如TM图像,经主成分变换后可只取前3个主分量,波段数由7个减少到3个,数据量减少到43%,实现了数据压缩。
    (2)图像增强。主成分变换的前几个主分量包含了主要的地物信息,噪声相对较少;而随着信息量的逐渐减少,最后的主分量几乎全部是噪声信息(如MSS数据中的条纹)。因此,主成分变换突出了主要信息,抑制了噪声,达到了图像的目的。
    (3)分类前预处理。多波段图像的每个波段并不都是分类最好的信息源,因而分类前的一项重要工作就是特征选择,即减少分类的波段数并提高分类效果。主成变换即是特征选择最常用的方法。
    解析: 暂无解析