摘要

K-L变换可消除样品各特征间的相关性,去除信息量较少或信息虚假的坐标轴,降低特征空间的维数,用较少量的特征描述样品,是目前最为有效的数据信息压缩抽取方法.利用K-L变换,样品之间变化较小的分类单元(目或功能群等),不会作为重要特征保留下来.因此,数量上占优势、或害虫防治中有重要地位的分类单元并不一定是识别样品的重要特征.可以藉K-L变换明确构成样品变异的主要分类单元,从而对不同地区、不同季节的取样实践有一定的指导意义.用通常的多样性指数分析及多样性差异显著性分析无法解决这个问题.用K-L变换可大大压缩数据存储空间.对数据量很大的生物多样性分析有较大的应用价值.反映样品所携信息量的热带水稻田无脊...