基于主成分分析和因子分析的古代玻璃亚分类方法及系统

1.本发明属于玻璃亚分类技术领域，尤其涉及一种基于主成分分析和因子分析的古代玻璃亚分类方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成已经成为本领域一般技术人员所公知的现有技术。
3.丝绸之路是古代中西方文化交流的通道，其中，玻璃是早期贸易往来的宝贵物证。古代玻璃作为一种文物，由于玻璃制品极易受埋藏环境的影响而风化，在风化过程中，古代玻璃内部元素与环境元素进行大量交换，导致其成分比例发生变化。
4.现有的古代玻璃亚类划分的研究中，在古代玻璃众多的化学成分指标中，通常通过人为确定哪些指标对玻璃亚分类起到关键作用，以及确定哪些指标对玻璃亚分类的影响较小，而上述这一通过人为确定分类指标进而进行分类的方案人为因素占比较大，分类缺乏客观性。
5.发明人发现，现有的古代玻璃亚分类缺乏客观有效的方法，基于单一的某个指标或基于全部指标进行评判的方式均具有一定的盲目性，无法准确客观的确定影响古代玻璃亚分类的化学成分指标，无法实现准确且客观的古代玻璃亚分类。


技术实现要素：

6.为解决上述现有技术的不足，本发明提供了一种基于主成分分析和因子分析的古代玻璃亚分类方法及系统，通过分析古代玻璃中化学成分间的关系，确定影响分类的关键因素，并计算关键因素的得分，基于关键因素得分，实现对古代玻璃准确合理的亚分类。
7.第一方面，本公开提供了一种基于主成分分析和因子分析的古代玻璃亚分类方法，包括：
8.获取待亚分类的古代玻璃样本，检测每一待亚分类的古代玻璃样本表面的化学成分，获取影响古代玻璃亚分类的多个化学成分指标所对应的实际化学成分值；
9.根据多个化学成分指标所对应的实际化学成分值，基于主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标，以综合指标为主因子，通过因子分析法建立主因子的得分数学模型；
10.基于主因子的得分数学模型，结合实际化学成分值，确定每个主因子的得分结果；根据主因子得分结果，得到古代玻璃样本中实际化学成分之间的关系，以此确定待亚分类的古代玻璃样本的亚类划分结果。
11.进一步的技术方案，所述化学成分指标包括二氧化硅、氧化纳、氧化钾、氧化钙、氧化镁、氧化铝、氧化铁、氧化铜、氧化铅、氧化钡、五氧化二磷和氧化锶，共十二个化学成分指标。
12.进一步的技术方案，所述根据多个化学成分指标所对应的实际化学成分值，基于
主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标，包括：
13.对获取的原始数据进行标准化处理；
14.基于标准化后的数据，求解相关系数矩阵；
15.采用雅克比算法求解相关系数矩阵的特征值和特征向量，以该特征值为综合指标。
16.进一步的技术方案，所述以综合指标为主因子，通过因子分析法建立主因子的得分数学模型，包括：
17.以综合指标为主因子，计算主因子的贡献率；
18.根据主因子的累计贡献率，选取累计贡献率大于设定值的前p个主因子；
19.计算前p个主因子的初始载荷矩阵及旋转载荷矩阵；
20.基于旋转载荷矩阵，得到主因子的得分数学模型。
21.进一步的技术方案，第i个主因子的贡献率为λi/trr，其中，所有主因子之和为trr＝λ1+λ2+λ3+...+λn，λi表示第i个综合指标；
22.前i个主因子的累计贡献率为ti/trr，其中，trr＝λ1+λ2+λ3+...+λn，表示所有主因子之和，ti＝λ1+λ2+λ3+...+λi，表示前i个综合指标之和。
23.进一步的技术方案，在通过因子分析法建立主因子的得分数学模型之前，还包括：对原始变量进行kmo和bartlett检验；
24.所述bartlett检验用于确认原始变量是否取自于多元正态分布的整体，若原始变量的数据符合bartlett检验，则进行kmo检验；
25.所述kmo检验用于分析原始变量间的偏相关性和简单相关性的相对大小，若kmo小于预设值，则不进行因子分析，反之，则进行因子分析。
26.进一步的技术方案，第p个主因子的得分数学模型为：
27.f
p
＝b
1pzi1
+b
2pzi2
+
…
+b
npzin
28.其中，b
1p
、b
2p
、...、b
np
表示模型系数，z
i1
、z
i2
、...、z
in
表示标准化后的第i个样本的实际化学成分值。
29.第二方面，本公开提供了一种基于主成分分析和因子分析的古代玻璃亚分类系统，包括：
30.数据获取模块，用于获取待亚分类的古代玻璃样本，检测每一待亚分类的古代玻璃样本表面的化学成分，获取影响古代玻璃亚分类的多个化学成分指标所对应的实际化学成分值；
31.模型构建模块，用于根据多个化学成分指标所对应的实际化学成分值，基于主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标，以综合指标为主因子，通过因子分析法建立主因子的得分数学模型；
32.亚分类模块，用于基于主因子的得分数学模型，结合实际化学成分值，确定每个主因子的得分结果；根据主因子得分结果，得到古代玻璃样本中实际化学成分之间的关系，以此确定待亚分类的古代玻璃样本的亚类划分结果。
33.第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
34.第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
35.以上一个或多个技术方案存在以下有益效果：
36.1、本发明提供了一种基于主成分分析和因子分析的古代玻璃亚分类方法及系统，通过主成分分析法分析古代玻璃中化学成分间的关系，确定影响分类的关键因素，通过因子分析法计算关键因素的得分，根据主因子得分结果得到古代玻璃中化学成分之间的关系，以此实现对古代玻璃准确且合理的亚分类。
37.2、本发明通过主成分分析法分析不同化学成分所提供的用于亚分类的信息量的相对大小，进而确定不同化学成分的影响权重，避免人为主观因素对确定影响权重的影响，在尽量减少损失主要信息的情况下，降低化学成分因重复或重叠作用可能对亚分类结果造成的误差，提高亚分类的准确性。
38.3、本发明通过因子分析法对利用主成分分析得到的能够极大反映主要信息的主成分(即主因子)进行分析和量化，得到每个主因子的得分数学模型，将问题定量化，实现对古代玻璃的客观、准确量化，为古代玻璃的亚分类提供科学依据。
附图说明
39.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
40.图1为本发明实施例一所述基于主成分分析和因子分析的古代玻璃亚分类方法的流程图；
41.图2为本发明实施例一中主成分分析法和因子分析法的总流程图；
42.图3为本发明实施例一中9个高钾玻璃样品的因子得分图；
43.图4为本发明实施例一中9个铅钡玻璃样品的因子得分图。
具体实施方式
44.应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
45.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
46.实施例一
47.本实施例提供了一种基于主成分分析和因子分析的古代玻璃亚分类方法，通过主成分分析法分析不同化学成分所提供的用于亚分类的信息量的相对大小，进而确定不同化学成分的影响权重，避免人为主观因素对确定影响权重的影响，在尽量减少损失主要信息的情况下，降低化学成分因重复或重叠作用可能对亚分类结果造成的误差；其次，通过因子分析法对主成分分析得到的能够极大反映主要信息的主成分(即主因子)进行分析和量化，得到每个主因子的得分数学模型，将问题定量化，实现对古代玻璃的客观、准确量化，为古
代玻璃的亚分类提供科学依据；根据待分类古代玻璃的量化值，实现对古代玻璃的亚分类。也就是说，本实施例通过分析化学成分间的关系，实现对古代玻璃的合理分类，能够为研究古代玻璃制品提供具有参考价值的建议。
48.本实施例所提出的古代玻璃亚分类方法，如图1所示，具体包括以下步骤：
49.步骤s1、获取待亚分类的古代玻璃样本，检测每一待亚分类的古代玻璃样本表面的化学成分，获取影响古代玻璃亚分类的多个化学成分指标所对应的实际化学成分值；
50.步骤s2、根据多个化学成分指标所对应的实际化学成分值，基于主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标，以综合指标为主因子，通过因子分析法建立主因子的得分数学模型；
51.步骤s3、基于主因子的得分数学模型，结合实际化学成分值，确定每个主因子的得分结果；根据主因子得分结果，得到古代玻璃样本中实际化学成分之间的关系，以此确定待亚分类的古代玻璃样本的亚类划分结果。
52.进一步的，还包括对获取的实际化学成分值的标准化预处理。
53.上述步骤s1中，本实施例所提出的影响古代玻璃亚分类的化学成分指标是基于现有调研分析获得的，该化学成分指标包括二氧化硅、氧化纳、氧化钾、氧化钙、氧化镁、氧化铝、氧化铁、氧化铜、氧化铅、氧化钡、五氧化二磷和氧化锶共十二个化学成分指标。获取多种不同类型的古代玻璃，以标注玻璃类型的古代玻璃为古代玻璃样本，通过x射线荧光光谱分析仪、质子激发x荧光、电子探针等，检测该古代玻璃样本表面的化学成分，获取上述化学成分指标所对应的的实际化学成分值，将这些获取的数据信息作为多因子评价的基本信息。
54.上述以标注玻璃类型的古代玻璃为古代玻璃样本，主要包括高钾玻璃和铅钡玻璃这两种玻璃类型。本实施例是实现对古代玻璃样本的亚分类，相当于对古代玻璃样本的二次分类，本实施例所述方法化繁为简，将多个实测数据(即实际化学成分值)转换成少数几个互补相关的变量，分布在二维坐标轴上，以此进行亚分类。这一方法还能够分析每个变量所占的比重以及检验变量选择的合理性，而且还能够分析变量间的关系。
55.上述步骤s2中，基于主成分分析法和因子分析法对获取的数据信息进行分析处理，最终构建每类古代玻璃样本的主因子得分数学模型。
56.如图2所示，首先，步骤s2.1、根据多个化学成分指标所对应的实际化学成分值，基于主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标。主成分分析法(principal components analysis)也称为主分量分析法，通过降维来简化数据结构，将多个变量简化为少数几个综合变量(即综合指标)，这几个综合变量可以反映原来多个变量的大部分信息，且所含信息互不重叠，即最终确定的综合指标之间相互独立、互不相关。此外，综合指标又称为因子或主成分，其并不是具体的变量或指标，而是多个原有指标的综合，是不可观测的变量。该步骤s2.1具体包括以下步骤：
57.步骤s2.1.1、对获取的原始数据进行标准化处理。
58.在步骤s1中，获取影响古代玻璃亚分类的化学成分指标所对应的的实际化学成分值，将获取的原始数据构成一个m
×
n的矩阵xm×n，即：
[0059][0060]
其中，n＝12，n表示化学成分指标的个数，m表示古代玻璃样本的个数。
[0061]
上述化学成分指标均是定量指标，考虑到各个指标的含义与计算方法均不同，进而导致各个指标的量纲也不同，为了增加评价与分类结果的科学性和准确性，本实施例对上述原始数据进行标准化处理。其中，标准化处理公式为：
[0062][0063]
上式中，x
ij
为第i个古代玻璃样本在第j个化学成分指标下的实际化学成分值，即原始数据；表示所有古代玻璃样本在第j个化学成分指标下的原始数据均值；表示所有古代玻璃样本在第j个化学成分指标下的标准差；z
ij
为标准化后的实际化学成分值。
[0064]
步骤s2.1.2、基于标准化后的数据，求解相关系数矩阵。
[0065]
在得到标准化后的数据的基础上，即得到矩阵zm×n后，通过下述相应的变换，求解得到相关系数矩阵r＝(r
ij
)
12
×
12
，该变换公式如下：
[0066][0067]
上式中，当i＝j时，r
ij
＝1；当i≠j时，r
ij
＝r
ji
；m表示样本个数；n表示化学成分个数。
[0068]
步骤s2.1.3、采用雅克比算法求解相关系数矩阵的特征值和特征向量，以该特征值即为综合指标，以综合指标为主因子，计算主因子的贡献率。
[0069]
具体的，采用雅克比算法求解相关系数矩阵r的特征值及对应的特征向量，即令(r-λe)x＝0，求解得到r的特征根为λ1、λ2、λ3、...、λn，在本实施例中，特征根为λ1、λ2、λ3、...、λ
12
，假定λ1≥λ2≥λ3≥...≥λ
12
，称λi为所对应的化学成分指标的第i个综合指标，以综合指标为主因子，记主因子之和为trr＝λ1+λ2+λ3+...+λ
12
，则λi/trr表示第i个主因子的贡献率，同时，记ti＝λ1+λ2+λ3+...+λi，则ti/trr表示前i个主因子的累计贡献率。
[0070]
其次，步骤s2.2、以综合指标为主因子，通过因子分析法建立主因子的得分数学模型，结合实际化学成分值，确定每个主因子的得分结果。
[0071]
上述步骤s2.2中，通过因子分析法建立主因子的得分数学模型，从而确定每个主因子的得分结果，具体步骤包括：
[0072]
步骤s2.2.1、在进行因子分析前，对原始变量(即最初的化学成分指标所对应的实
际化学成分值)进行kmo和bartlett检验。
[0073]
考虑到因子分析需要分析变量间具备较好的相关性，因此首先通过对原始变量进行kmo和bartlett检验，以此来判断能否进行因子分析，其中，bartlett检验用于确认原始变量是否取自于多元正态分布的整体，若数据符合bartlett检验，则再进行kmo检验；kmo检验用于分析原始变量间的偏相关性和简单相关性的相对大小，若kmo过小，则不适合做因子分析，反之，则进行下一步骤。
[0074]
步骤s2.2.2、计算主因子的累积贡献率，选取累计贡献率大于80％的前p个主因子，即λ1、λ2、λ3、...、λ
p
。
[0075]
步骤s2.2.3、计算前p个主因子的初始载荷矩阵及旋转载荷矩阵。
[0076]
其中，计算前p个主因子的初始载荷矩阵，计算公式为：
[0077][0078]
其中，ei为特征根λi所对应的特征向量。
[0079]
由于主成分分析法确定因子载荷比较简单，得到的特殊因子之间并不相互独立，也就是得到的因子载荷并不完全符合因子模型的前提条件，进而系数矩阵b不唯一成为因子载荷矩阵进行旋转的理论依据，旋转使得因子载荷矩阵结构简化，利于对公共因子进行解释。因此，对上述初始载荷矩阵旋转采取最大方差正交旋转法进行旋转，由旋转得到的矩阵可以根据得分判定出影响古代玻璃亚分类的关键因素。
[0080]
上述通过旋转得到的旋转载荷矩阵为：
[0081][0082]
步骤s2.2.4、基于旋转载荷矩阵，得到主因子得分数学模型，结合实际化学成分值，确定每个主因子的得分结果。
[0083]
具体地，第p个主因子的得分数学模型为：
[0084]fp
＝b
1pzi1
+b
2pzi2
+
…
+b
npzin
；
[0085]
其中，b
1p
、b
2p
、...、b
np
表示模型系数，即上述计算获得的旋转载荷矩阵中的元素，z
i1
、z
i2
、...、z
in
表示标准化后的第i个样本的实际化学成分值。该公式中模型系数已知，在对待分类的古代玻璃进行分类时，只需要将标准化的实际化学成分值代入上述得分数学模型中，即可得到第p个主因子的得分。
[0086]
进一步的，步骤s3中，基于主因子的得分数学模型，结合实际化学成分值，确定每个主因子的得分结果。根据主因子得分，取得分最高的两个主因子为x、y轴作图，得到因子得分图，明确主因子得分和玻璃类型之间的对应关系，以此确定待亚分类的古代玻璃样本的亚类分类结果。
[0087]
在本实施例中，对高钾玻璃这一类型的古代玻璃进行亚分类，获取9个高钾玻璃的古代玻璃样品，分别计算每一样品的主因子得分结果，计算结果如下表1所示。
[0088]
表1高钾玻璃因子得分表
[0089][0090]
根据因子得分取f1、f2两因子为轴作图，得到因子得分图如图3所示。由因子得分图可将高钾玻璃的9个样品分为3类，即将高钾类古代玻璃划分为3类，分别为：
[0091]ⅰ类：05、06、13、14，其主要特征是f1、f2得分的绝对值最小，说明二氧化硅、氧化钙、氧化镁的含量最少；
[0092]ⅱ类：18、21，其主要特征是f1、f2得分的绝对值较小，说明二氧化硅、氧化钙、氧化镁的含量较少；
[0093]ⅲ类：09、10、12，其主要特征是f1、f2得分的绝对值较大，说明二氧化硅、氧化钙、钙化镁的含量较多。
[0094]
同样的，在本实施例中，对铅钡玻璃这一类型的古代玻璃进行亚分类，获取9个铅钡玻璃的古代玻璃样品，分别计算每一样品的主因子得分结果，计算结果如下表2所示。
[0095]
表2铅钡玻璃因子得分表
[0096][0097]
根据因子得分取f1、f3两因子为轴作图，得到因子得分图如图4所示。由因子得分图可将铅钡玻璃的9个样品分为3类，即将铅钡类古代玻璃划分为5类，分别为：
[0098]ⅰ类：08、26，其主要特征是f1得分为正值且较大，f3得分为负值，说明二氧化硅的含
量最少；
[0099]ⅱ类：11、24，其主要特征是f1、f3得分的绝对值最小，说明二氧化硅的含量较少，氧化铜、氧化钡含量较多；
[0100]ⅲ类：29、33、44，其主要特征是f1得分的绝对值最大，说明二氧化硅的含量最多；
[0101]ⅳ类：34，其主要特征是f3得分为正值且较大，说明氧化铅的含量较多；
[0102]
ⅴ
类：40，其主要特征是f1、f3得分都为正值且最大，说明二氧化硅的含量最少，氧化铅的含量最多。
[0103]
通过本实施例上述方法，通过分析化学成分间的关系，实现对古代玻璃的合理亚分类，该亚分类更准确、可靠，其不仅仅能够达到一般聚类分析的目的，而且还能刻化出每一类的具体含义和实际背景，为进一步分析变量之间的内在关系提供科学依据。
[0104]
实施例二
[0105]
本实施例提供了一种基于主成分分析和因子分析的古代玻璃亚分类系统，包括：
[0106]
数据获取模块，用于获取待亚分类的古代玻璃样本，检测待亚分类的古代玻璃样本表面的化学成分，获取影响古代玻璃亚分类的多个化学成分指标所对应的实际化学成分值；
[0107]
模型构建模块，用于根据多个化学成分指标所对应的实际化学成分值，基于主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标，以综合指标为主因子，通过因子分析法建立主因子的得分数学模型；
[0108]
亚分类模块，用于基于主因子的得分数学模型，结合实际化学成分值，确定每个主因子的得分结果；根据主因子得分结果，得到古代玻璃样本中实际化学成分之间的关系，以此确定待亚分类的古代玻璃样本的亚类划分结果。
[0109]
实施例三
[0110]
本实施例提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如上所述的基于主成分分析和因子分析的古代玻璃亚分类方法中的步骤。
[0111]
实施例四
[0112]
本实施例还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成如上所述的基于主成分分析和因子分析的古代玻璃亚分类方法中的步骤。
[0113]
以上实施例二至四中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
[0114]
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
[0115]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技
术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0116]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

技术特征：
1.一种基于主成分分析和因子分析的古代玻璃亚分类方法，其特征是，包括：获取待亚分类的古代玻璃样本，检测每一待亚分类的古代玻璃样本表面的化学成分，获取影响古代玻璃亚分类的多个化学成分指标所对应的实际化学成分值；根据多个化学成分指标所对应的实际化学成分值，基于主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标，以综合指标为主因子，通过因子分析法建立主因子的得分数学模型；基于主因子的得分数学模型，结合实际化学成分值，确定每个主因子的得分结果；根据主因子得分结果，得到古代玻璃样本中实际化学成分之间的关系，以此确定待亚分类的古代玻璃样本的亚类划分结果。2.如权利要求1所述的基于主成分分析和因子分析的古代玻璃亚分类方法，其特征是，所述化学成分指标包括二氧化硅、氧化纳、氧化钾、氧化钙、氧化镁、氧化铝、氧化铁、氧化铜、氧化铅、氧化钡、五氧化二磷和氧化锶，共十二个化学成分指标。3.如权利要求1所述的基于主成分分析和因子分析的古代玻璃亚分类方法，其特征是，所述根据多个化学成分指标所对应的实际化学成分值，基于主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标，包括：对获取的原始数据进行标准化处理；基于标准化后的数据，求解相关系数矩阵；采用雅克比算法求解相关系数矩阵的特征值和特征向量，以该特征值为综合指标。4.如权利要求1所述的基于主成分分析和因子分析的古代玻璃亚分类方法，其特征是，所述以综合指标为主因子，通过因子分析法建立主因子的得分数学模型，包括：以综合指标为主因子，计算主因子的贡献率；根据主因子的累计贡献率，选取累计贡献率大于设定值的前p个主因子；计算前p个主因子的初始载荷矩阵及旋转载荷矩阵；基于旋转载荷矩阵，得到主因子的得分数学模型。5.如权利要求4所述的基于主成分分析和因子分析的古代玻璃亚分类方法，其特征是，第i个主因子的贡献率为λ
i
/trr，其中，所有主因子之和为trr＝λ1+2+3+...+
n
，λ
i
表示第i个综合指标；前i个主因子的累计贡献率为t
i
/trr，其中，trr＝λ1+2+3+...+
n
，表示所有主因子之和，t
i
＝λ1+2+3+...+
i
，表示前i个综合指标之和。6.如权利要求1所述的基于主成分分析和因子分析的古代玻璃亚分类方法，其特征是，在通过因子分析法建立主因子的得分数学模型之前，还包括：对原始变量进行kmo和bartlett检验；所述bartlett检验用于确认原始变量是否取自于多元正态分布的整体，若原始变量的数据符合bartlett检验，则进行kmo检验；所述kmo检验用于分析原始变量间的偏相关性和简单相关性的相对大小，若kmo小于预设值，则不进行因子分析，反之，则进行因子分析。7.如权利要求1所述的基于主成分分析和因子分析的古代玻璃亚分类方法，其特征是，第p个主因子的得分数学模型为：f
p
＝b
1p
z
i1
+b
2p
z
i2
+
…
+b
np
z
in
其中，b
1p
、b
2p
、...、b
np
表示模型系数，z
i1
、z
i2
、...、z
in
表示标准化后的第i个样本的实际化学成分值。8.一种基于主成分分析和因子分析的古代玻璃亚分类系统，其特征是，包括：数据获取模块，用于获取待亚分类的古代玻璃样本，检测每一待亚分类的古代玻璃样本表面的化学成分，获取影响古代玻璃亚分类的多个化学成分指标所对应的实际化学成分值；模型构建模块，用于根据多个化学成分指标所对应的实际化学成分值，基于主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标，以综合指标为主因子，通过因子分析法建立主因子的得分数学模型；亚分类模块，用于基于主因子的得分数学模型，结合实际化学成分值，确定每个主因子的得分结果；根据主因子得分结果，得到古代玻璃样本中实际化学成分之间的关系，以此确定待亚分类的古代玻璃样本的亚类划分结果。9.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-7中任一项所述的一种基于主成分分析和因子分析的古代玻璃亚分类方法的步骤。10.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成如权利要求1-7中任一项所述的一种基于主成分分析和因子分析的古代玻璃亚分类方法的步骤。

技术总结
本发明公开了一种基于主成分分析和因子分析的古代玻璃亚分类方法及系统，该方法包括：获取待亚分类的古代玻璃样本，检测每一待亚分类的古代玻璃样本表面的化学成分，获取影响古代玻璃亚分类的化学成分指标所对应的的实际化学成分值；基于主成分分析法，提取出影响古代玻璃亚分类的关键因素作为综合指标，以综合指标为主因子，通过因子分析法建立主因子的得分数学模型，结合实际化学成分值，确定每个主因子的得分结果；根据主因子得分，确定待亚分类的古代玻璃样本的亚类划分结果。本发明通过分析古代玻璃中化学成分间的关系，确定影响分类的关键因素，并计算关键因素的得分，基于关键因素得分，实现对古代玻璃准确合理的亚分类。分类。分类。


技术研发人员：张瀚青 李金红 张楠 胡双霞 赵琳琳 王岩
受保护的技术使用者：齐鲁工业大学（山东省科学院）
技术研发日：2023.04.06
技术公布日：2023/8/9