2024年3月10日发(作者：iphone 12)

２０１４年第２期　

信息通信　

ＩＮＦＯＲＭＡＴＩＯＮ＆ＣＯＭＭＵＮＩＣＡ＿ｒＩＯＮＳ　

２０１４　

（总第１３４期）　

（Ｓｕｍ．Ｎｏ　ｌ３４）　

基于主成分分析法的消费级数码相机特征性指标分类　

肖　逸　

（东南大学机械工程学院５－业工程系，江苏南京２１１１８９）　

摘要：选取市场上较为畅销的ｌ７款消费级的数码相机为研究对象，／ｇｉｔ主成分分析法对相机的价格、传感器尺寸、有效　ｆ

像素、光学变焦倍数、焦距、最大光圈、显示屏尺寸、显示屏像素、快门速度、感光度、高品质连拍性能和重量等１２个指标　

进行统计分析，并对其进行特征分类。结果表明，．－ｌｆ－￣将数码相机的价格、传感器尺寸、显示屏像素、感光度、重量归为一　

类，将光学变焦倍数、焦距、最大光圈归为一类，其余参数归为一类。目的在于探究消费级数码相机价格的影响因素，同　

时让读者对数码相机各主要配置参数有更为清晰的认识。　

关键词：主成分分析；消费级数码相机；特征性指标　

中图分类号：ＴＰ２１２．９　文献标识码：Ａ　文章编号：１６７３一ｌ１３ｌ（２０１４）０２－０００４—０２　

数码相机已经成为一种普及的数码产品，但是价格却　

２主成分分析法（Ｐｒｉｎｃｉｐａｌ　Ｃｏｍｐｏｎｅｎｔ　Ａｎａｌｙｓｉｓ，ＰＣＡ）　

主成分分析法也称主分量分析或矩阵数据分析，通过变　

量变换的方法把相关的变量变为若干不相关的综合指标变量。　

若某研究对象有两项指标４１　５ｌｆ１４２，从总体４（４１，４２）中抽取　

千差万别。其中细节也是诸多考究。从实用性出发选择一　

台合适的而非价格昂贵的数码相机可能更适合。在参阅一　

些资料以及一些关于数码相机市场的调查分析结果后，本　

文运用主成分分析方法针对消费者最为关心的几个指标经　

行分析，探究这些指标之间存在的关系，帮助消费者建立对　

消费级的数码相机有更清晰与更客观的了解，通过研究发　

现可以用几个主成分来代表样本中的几个指标，来对整体　

经行表述。　

了Ｎ个样品，它们散布在椭圆平面内（见图１），指标‘１与‘２有　

相关性。Ｔ１１和Ｔ１２分别是椭圆的长轴和短轴，　１上Ｔ１２，故Ｔ１１　

与Ｔ１２互不相关。其中　１是点４（４１，４２）在长轴上的投影坐标，Ｔ１２　

是该点在短轴上的投影坐标。从图ｌ可以看出点的Ｎ个观测　

１数据来源　

本文有关数码相机参数的信息数据收集来自中国第一科　

技门户中关村在线，其为集产品数据、专业资讯、科技视频、互　

动行销为一体的复合型媒体，也是美国哥伦比亚广播集团互　

动媒体公司ＣＢＳ　Ｉｎｔｅｒａｃｔｉｖｅ在中国区的旗舰媒体。为消除不　

同品牌不同定位对价格等因素的影响，本文选取了同一品牌　

值的波动大部分可以归结为Ｔ１１轴上投影点的波动，而Ｔ１２轴上　

投影点的波动较小。若　１作为一个综台指标，则　ｌ可较好地　

反映出Ｎ个观测值的变化情况，１１２的作用次要。综合指标Ｔ１１　

称为主成分，找出主成分的工作称为主成分分析。　

可见，主成分分析即选择恰当的投影方向，将高维空间　

的点投影到低维空间上，且使低维空间上的投影尽可能多　

地保存原空间的信息，就是要使低维空间上投影方差尽可　

能大　１。　

”＋”＋“＋一＋一－＋－－”＋－．—－．卜”—’一”—　卜“＋一——＋－”—－＋一”＋“—・＋一”—＋一”—＋一”—・卜“——＋一”—－＿卜”　卜　

的ｌ７款消费级数码相机作为研究对象。　

・

＋”＋”＋”＋”＋“＋”＋”＋“＋”＋”＋”＋一—＋一”＋”＋“＋“＋”＋“＋“＋

当神经网络预警模型构建完成，并通过学习训练和测试　

３结语　

本文通过对溢流发生机理的研究，总结得到溢流表征参　

数及其表征规律。建立了基于ＢＰ神经网络的溢流智能预警　

之后得到各神经元之间连接权值及闽值之后，对于溢流预警，　

即可通过以下方式实现：　

Ａ：求取隐含层的输入数据　

模型，分析了ＢＰ神经网络样本选取方法、样本预处理方法以　

ｈｉ　＝∑　＋　

ｉ＝ｌ　

（４）　

及基于ＢＰ神经网络的溢流预警推理计算过程。在此基础上，　

Ｂ：求取输出层的输入数据　

开发了相应软件系统，并对系统进行了试验验证。验证结果　

ｙｉ　＝∑ｗ＾。，　ｌ　）＋　

ｈ＝ｌ　

（５）　

（６）　

表明，本文建立的基于ＢＰ神经网络的溢流智能预警模型能有　

效实现开发井钻井溢流预警，预警结果较为准确，预警及时性　

较好，具有较好的现场应用前景。　

ｃ：求取输出层的输出数据　

ｙｏ　＝ｆ（ｙｉ　１　

２．３．２数值计算结果转换　

参考文献：　

【１］陈平．钻井与完井工程【Ｍ］　匕京：石油工业出版社，２００７　

【２］孙中昌．钻井异常预测技术［Ｍ］　Ｌ京：石油工业出版社，２００６　

通过神经网络的分析计算，神经网络每个输出层节点输　

出一个对应的数据，组成一个数值计算结果向量，将该向量与　

期望输出向量对比，基于最大相似度原则，与期望输出最相近　

的输出结果即为预警结果。例如：通过神经网络计算得出的　

数值计　算结果如表２所示，与期望输出向量相比较，得到最终　

的预警结果。　

［３］　陈亚西，纪伟，石波，等．钻井工程事故的监测和预报【Ｊ］．录井　

技术　１９９８，６（２）：１１—２１　

［４］Ｈｏｒｎｉｋ　Ｋ　Ｍ，Ｓｔｉｎｃｈｃｏｍｂｅ　Ｍ，Ｗｈｉｔｅ　Ｈ．Ｍｕｌｔｉｌａｙｅｒ　ｆｅｅｄ　ｆｏｒ—　

ｗｏｒｄ　ｎｅｔｗｏｅｋｓ　ａｒｅ　ｕｎｉｖｅｒｓａｌ　ａｐｐｒｏｘｉｎａｔｏｒｓ．Ｔｈｅｏｒｙ　Ｐｒｏｂ—　

ａｂｉｌｉｔｙ　Ａｐｐｌｉｃａｔｉｏｎ，１　９８９（２）：３５９－３６６　

表２计算结果与期望输出对比　

［５］刘明军．遗传ＢＰ神经网络在彬长矿区测井数据岩性识别　

中的应用研究［Ｄ］．西安：煤科总院西安研究院，２００９　

数值计算结果　

（０．９３７６　０，０３６９）　

（０．０２５４　０．９３６９）　

Ｉ　期望输出向量　

Ｉ　

　ｌ

（１　０）　

（０　１）　

预警结果　

溢流　

非溢流异常　

作者简介：张露之（１９８８一），女，四川南充入，硕士，研究方向为　

测控及智能化仪器。　

４　

信息通信　肖逸：基于主成分分析法的消费级数码相机特征性指标分类　

［‘＝，２　

换系数向０或１极化。要说明的是，旋转后并不改变总的累　

计方差贡献度。图１表明，前三个主成分积累方差贡献率达　

　‘

到８６．１％，根据主成分分析法的一般原理，可取前四个具有明　

显代表性的主成分。原有的ｌ２个变量可用４个主成分表示，　

如表２所示。本文可以依据以上计算结果绘出成分图，表明　

毛　

新旧变量之间的关系。同时，也可以为数码相机特征性指标　

分类，得到成分图。　

３＿３分析结果　

根据分析结果可知，本文取前４个主成分来反应原来的　

图１主成分分析法示意图　

１２个变量，其方差累积贡献率已达到８６．１０６％，其中这３个主　

３主成分分析法的应用　

成分的贡献率分别为３１．０９６％、２５．９１９％、１７．４６７％和ｌ１．６２４％。　

３．１原始数据的处理和标准化　

所以可以认为，这４个主成分为所提取的４个潜在的综合性　

由于原数据矩阵庞大，如对全部指标进行分析，将而导致　

指标，可代替前面所述的１２个指标。　

主次要成因相混淆；若仅选其中部分指标，又可能会影响分析　

在第一主成分中，价格、传感器尺寸、显示屏像素、ＩＳＯ感　

结果的代表性和完整性。所以在这里选取了最受消费者关注　

光度和重量这５项所占的权系数较大，并且它们的变化方向　

一

的，且同一指标下数据较为分散的１２个指标。此外，为了克　

致，呈现正相关。传感器（文中均为背照式ＣＭＯＳ传感器）　

服不同变量数值差异过大而造成的主成分分析误差，按照主　

尺寸越大，采集光线的效果越好，画面记录的信息就越多，保　

成分分析法要求，应对原始数据矩阵进行标准化处理，进而得　

留的细节也就越丰富，所以是影响成像表现力的硬指标之一，　

到进行主成分分析的１２个变量的相关系数矩阵。　

传感器的尺寸基本决定了相机的等级质量，所以与价格关系　

３．２数码相机最受消费者关注指标主成分分析的计算结果　

很大，同时它也决定了相机的体积和质量。数码相机的ＩＳＯ　

是通过调整感光器件的灵敏度或者合并感光点来实现的，相　

表１各成分解释的总方差　

机对ＩＳＯ的提升会对画质造成影响，尤其是对于传感器尺寸　

成褂　初始特征值　提取平方和裁入　旋转平方和载入　

小的相机，所以感光度也于传感器尺寸有很大关系，显示屏像　

合计　方差的％　黑秘％　台计　方差的％　累积％　台计　方差的％　景积％　

ｌ　４９５８　４Ｉ　３ｌ８　４１．３ｌ８　４．９５８　４１　３１８　４１　３ｌ８　３．７３１　３１　０９６　３１．０９６　

素只是浏览照片，与最终照片没有关系，只是清晰的照片需要　

２　２３８６　１９．８８４　６ｌ　２０２　２．３８６　１９　８８４　６１　２０２　３１ｌ０　２５　９ｌ９　５７　０１５　

更多像素来展示，所以与价格等呈正相关，其本身重要性并不　

３　ｌ＿８ｌ７　ｌ５１３９　７６　３４１　１　８ｌ７　１５１３９　７６　３４１　２ｏ９６　１７　４６７　７４４８２　

是很大。还需要注意的是这一成分中有效像素权重系数是０，　

４　１．１７２　９．７６５　８６ｌ０６　ｌｌ７２　９　７６５　８６１０６　Ｉ．３９５　１１　６２４　８６１０６　

卡片机虽然和单反有相同的像素，但是很多低端相机照片放　

５　６４９　５　４Ｉ２　９１　５１８　

６　５０４　４１９８　９５．７１６　

大却会发现其画质模糊不堪，事实上像素对于相机性能并不　

７　．２８２　２，３５４　９８　０７０　

重要。所以综上所述，本文将第一主成分命名为感光性能成分。　

８　．１０１　．８４５　９８　９ｌ４　

在第二主成分中，光学变焦、最大焦距、最大光圈这３项　

９　０６２　５２０　９９．４３４　

所占的权系数较大，并且它们的变化方向一致，呈正相关。　

ｌ０　Ｏ５７　．４７４　９９　９０８　

ｌｌ　ＯＩ１　０９ｌ　９９　９９９　

光学变焦与远距离拍摄能力有关（数码变焦只能让图像变大　

ｌ２　００ｏ　００１　ｌ００．０００　

但不变清晰）。数码相机的光学变焦倍数的计算方式是最长　

表２旋转成分矩阵　

焦焦距除以最广角焦距。所以焦距与光学变焦正相关也理　

成份　

所当然。焦距越长意味着手的抖动对成像的影响越大，所以　

】　２　３　４　

就需要更快的快门来减小影响，而快门速度通常与光圈成反　

价格　．９０８　－．２２　．２５０　０１３　

比，所以焦距会与光圈正相关。本文将第二主成分命名为镜　

传感器尺寸　．８０４　－ｌ７５　－３６１　．１６４　

头成分。　

有效像素　．０００　，ｌｌ３　－．７９２　－１９４　

在第三主成分中，可以看到有效像素与连拍数所占权系　

光学变焦　－．０４４　．９７９　．１Ｏ９　．．１３２　

数较大，且呈负相关。在第四主成分中，只有显示屏尺寸与快　

最大焦距　．．０６０　，９８６　．０８７　．．０８６　

门速度所占权系数较大，也呈负相关。各个参数关系较复杂，　

最人光圈　．．２７６　，７８２　．３４７　２２６　

未能分析其中相关性，暂将其列为其他成分。　

显示屏尺寸　．．０６９　．０８１　．Ｉ　．８１０　

显示屏像素　．８２２　．２７４　．３７８　．１５５　

４结语　

快门速度　．．３３６　．１９４　．．１９０　一．７３６　

本文将最为重要的ｌ２个要素分成４类，主要有实际意义　

感光度　．６６０　，Ｓ４２　．４５３　，．．０４５　

的两类，传感器和镜头。由第一主成分可以看到，相机的传感　

连拍数　．１８７　．１３９　．８５３　．１７４　

器尺寸是影响价格的主要因素，同时感光度与传感器尺寸是　

重量　９５６　２Ｉ１　．Ｏ２２　．Ｏ０９　

相关的，如果最大感光度很高却没有与之适应的传感器尺寸　

成分分析的计算结果中，新变量所代表的方差（即对应的　

是没有意义的，不要被这种虚高的参数所误导。相机的有效　

特征值）贡献率和由原变量变换为新变量的线性变换系数（即　

像素其实也并不是很重要照片的清晰度不是取决于像素数，　

对应的特征向量）就成为综合分析的重点。在主成分分析中，　

而是取决于像素的“点密度”（就是图片的分辨率）。高质量成　

一

般要求少数新变量的累积方差贡献率应大于７０％　下列　

像的相机一般也意味着更大的质量，所以要确定好购买相机　

表１表２分别给出了各个主成分的解释的总方差和进行因子　

的用途是否是为了携带方便可以随手放在口袋。第二主成分　

旋转后的主成分计算结果，进行因子旋转是为了能更好地看　

则是讲相机的镜头，如果有长距离拍摄需要可以选择一些配　

出新的主成分和原始指标的联系，使原始指标对主成分的变　

备长焦镜头的相机，同时要注意其快门速度和光圈。　

５