ICA 与PCA 在高光谱数据降维分类中的对比研究.pdf

文档介绍：第卷第期中南林业科技大学学报
31 11
年月
2011 11 Journal of Central South University of Forestry & Technology
ICA 与 PCA 在高光谱数据降维分类中的对比研究
臧卓1,2 林辉2 杨敏华1
, ,
(,湖南长沙 410083;
,湖南长沙 410004)
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种预处理数据进行降维运算再利用常用的
: 3 ,
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结合算法结合算法降维结果最理想通过比较乔木树种
,d(log(R)) PCA ,log(R) ICA ;
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。
关键词高光谱降维分类独立主成分主成分
: ; ; ; ;
中图分类号文献标志码文章编号
: : A : 1673-923X(2011)11-0018-05
Comparative study on descending dimension classification of hyperspectral
data between ICA algorithm and PCA algorithm
ZANG Zhuo1,2,LIN Hui 2,YANG Min-hua1
( of Info-Physics and Geomatics Engineering,Central South University,Changsha 410083,Hunan,China;
Center of Forestry Remote Sensing &Information Engineering,Central South University
of Forestry & Technology,Changsha 410004,Hunan,China,)
Abstract:The three kinds of pre-processed hyper-spectra data(first-derivative(d(R)),logarithms(log(R)),logarithms-
first-derivative(d(log(R))))and original data were reduced in dimension by ICA and PCA algorithm,and then classified
by Support Vector Machine(SVM)-Gaussian Raial Basis Function(RBF)