典型文献
基于PCA和KPCA的高光谱遥感数据降维对比研究
文献摘要：
高光谱遥感影像数据降维在降低数据处理代价的同时,保留了大量必要的地物信息,对后续地物识别与分类等应用提供了重要保障.为探究线性降维方法与加入核函数的非线性降维方法间的差异,利用编程实现了主成分分析(PCA)和基于多项式核函数的核主成分分析(KPCA)两种降维算法.通过设定累计贡献率的阈值,利用降维结果进行内部差异性对比,利用MLP分类器分类后的结果进行外部差异性比较.实验结果表明:①KPCA算法在数据压缩、降维效果方面具有较大优势;②利用KPCA算法降维后的数据,经MLP分类器分类后的总体精度、Kappa系数均高于PCA算法;③PCA算法的算法复杂度较低,计算量小且计算时间短,在时间复杂度方面具有更大优势.
文献关键词：
高光谱遥感影像数据;降维;PCA;KPCA
中图分类号：
作者姓名：
李昌元;刘国栋;谭博
作者机构：
重庆交通大学 土木工程学院,重庆 400074
文献出处：
引用格式：
[1]李昌元;刘国栋;谭博-.基于PCA和KPCA的高光谱遥感数据降维对比研究)[J].地理空间信息,2022(07):89-93,103
A类：
B类：
KPCA,遥感数据,数据降维,高光谱遥感影像数据,地物识别,识别与分类,降维方法,核函数,非线性降维,多项式,核主成分分析,降维算法,累计贡献,内部差异,MLP,分类器,差异性比较,数据压缩,总体精度,Kappa,算法复杂度,计算量,计算时间,时间复杂度
AB值：
0.304108
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
