ICA与PCA在高光谱数据降维分类中的对比研究

被引：20

作者：

臧卓 ^{[1
,2
]}

林辉 ^{[2
]}

杨敏华 ^{[1
]}

机构：

[1] 中南大学信息物理工程学院

[2] 中南林业科技大学林业遥感信息工程研究中心

来源：

中南林业科技大学学报 | 2011年 / 31卷 / 11期

基金：

高等学校博士学科点专项科研基金;

关键词：

高光谱; 降维; 分类; 独立主成分; 主成分;

D O I：

10.14067/j.cnki.1673-923x.2011.11.038

中图分类号：

S771.8 [森林遥感];

学科分类号：

1404 ;

摘要：

利用独立主成分算法与主成分分析法分别对原始数据及3种预处理数据进行降维运算,再利用常用的4种分类算法分类,对比分类结果发现,独立主成分算法与主成分分析算法在乔木树种高光谱数据降维中并不具有非常明显的优势,且独立分量分析(ICA)算法提取用于分类的数据不如PCA算法稳定;从计算机的运行成本上来看,PCA算法优于ICA算法,基本上ICA算法平均成本是PCA算法的4到5倍;不同的数据预处理及降维方法组合对分类结果影响明显,d(log(R))结合PCA算法,log(R)结合ICA算法降维结果最理想;通过比较乔木树种高光谱数据的分类结果发现,Fisher判别法最适合对PCA和ICA降维结果进行分类。

引用

页码：18 / 22

页数：5

共 11 条

[1] 结合纯像元提取和ICA的高光谱降维方法 [J].