高维面板数据降维与变量选择方法研究 被引量：5

1

作者 张波 方国斌 《统计与信息论坛》 CSSCI 2012年第6期21-28,共8页

从介绍高维面板数据的一般特征入手,在总结高维面板数据在实际应用中所表现出的各种不同类型及其研究理论与方法的同时,主要介绍高维面板数据因子模型和混合效应模型;对混合效应模型随机效应和边际效应中的高维协方差矩阵以及经济数据... 从介绍高维面板数据的一般特征入手,在总结高维面板数据在实际应用中所表现出的各种不同类型及其研究理论与方法的同时,主要介绍高维面板数据因子模型和混合效应模型;对混合效应模型随机效应和边际效应中的高维协方差矩阵以及经济数据中出现的多指标大维数据的研究进展进行述评;针对高维面板数据未来的发展方向、理论与应用中尚待解决的一些关键问题进行分析与展望。 展开更多

关键词 高维 面板数据 降维 变量选择

在线阅读 下载PDF 职称材料

超高维数据下部分线性可加分位数回归模型的变量选择

2

作者 白永昕 钱曼玲 田茂再 《统计与决策》 CSSCI 北大核心 2024年第9期43-48,共6页

在超高维数据中,一方面,协变量的维数可能远远大于样本量,甚至随着样本量以指数级的速度增长;另一方面,超高维数据通常是异质的,协变量对条件分布中心的影响可能与他们对尾部的影响大不相同,甚至会出现重尾以及异常点的复杂情况。文章... 在超高维数据中,一方面,协变量的维数可能远远大于样本量,甚至随着样本量以指数级的速度增长;另一方面,超高维数据通常是异质的,协变量对条件分布中心的影响可能与他们对尾部的影响大不相同,甚至会出现重尾以及异常点的复杂情况。文章在协变量维度发散且为超高维的情况下研究了部分线性可加分位数回归模型的变量选择和稳健估计问题。首先,为了实现模型的稀疏性和非参数光滑性,引入了一种非凸Atan双惩罚,并采用分位迭代坐标下降算法来解决所提方法的优化问题。在选择适当正则化参数的情况下,证明了所提双惩罚估计量的理论性质。其次,通过模拟研究对所提方法的性能进行验证。模拟结果表明,所提方法比其他惩罚方法具有更好的表现,尤其是在数据存在重尾的情况下。最后,通过基于癌症筛查病人血液样本数据的实证来验证所提方法的实用性。 展开更多

关键词 超高维数据 分位数回归 部分线性可加 变量选择 Atan双惩罚

在线阅读 下载PDF 职称材料

高维数据回归分析中基于LASSO的自变量选择 被引量：29

3

作者 张秀秀 王慧 +3 位作者 田双双 乔楠 闫丽娜 王彤 《中国卫生统计》 CSCD 北大核心 2013年第6期922-926,共5页

生物信息学背景下普遍存在着高维数据，所谓的“高维”即待估计的未知参数的个数是样本量的一个或几个数量级，例如Van’t Veer（2002）心0等学者收集的乳腺癌数据集共包括259例乳腺癌患者，25000个微阵列基因数据，研究变量个数25000... 生物信息学背景下普遍存在着高维数据，所谓的“高维”即待估计的未知参数的个数是样本量的一个或几个数量级，例如Van’t Veer（2002）心0等学者收集的乳腺癌数据集共包括259例乳腺癌患者，25000个微阵列基因数据，研究变量个数25000远远大于样本量259，存在“高维”现象。传统的方法进行参数估计和统计推断的一个必要前提是待估参数的个数小于样本量，这样统计推断的结果才是稳定、可靠的。 展开更多

关键词 维数 变量选择 回归分析 乳腺癌患者 统计推断 生物信息学 样本量 基因数据

在线阅读 下载PDF 职称材料

基于高斯过程隐变量模型的图像数据降维算法 被引量：4

4

作者 郭莉莉 刘春光 +1 位作者 王迪 韩忠华 《控制工程》 CSCD 北大核心 2014年第5期687-690,共4页

针对传统谱算法在数据降维计算复杂度高的缺点,提出一种基于高斯过程隐变量模型的图像数据降维算法。首先,通过高斯过程(Gaussian Process,GP)建立图像数据的概率模型,得到图像数据的隐变量模型;其次,利用概率最大化原则得到最优超参数... 针对传统谱算法在数据降维计算复杂度高的缺点,提出一种基于高斯过程隐变量模型的图像数据降维算法。首先,通过高斯过程(Gaussian Process,GP)建立图像数据的概率模型,得到图像数据的隐变量模型;其次,利用概率最大化原则得到最优超参数,通过最优超参数求取最优数据降维结果;最后,实现图像数据降维。选取Yale,ORL两类数据集与传统算法进行人脸识别对比实验,实验结果表明:所提出的算法针对图像数据降维问题有较好的效果,结合支持向量机算法,可有效地对人脸图像进行识别,且有较高的识别率,从而体现出算法对高维数据降维的准确性。 展开更多

关键词 高斯过程隐变量模型 数据降维 人脸识别 超参数 概率最大化

在线阅读 下载PDF 职称材料

最大相关和最大差异的高维数据特征选择算法 被引量：3

5

作者 孟圣洁 于万钧 陈颖 《计算机应用》 CSCD 北大核心 2024年第3期767-771,共5页

针对高维数据存在冗余信息且维度过高的问题,提出基于信息量的最大相关最大差异特征选择算法(MCD)。首先,利用互信息(MI)度量特征和标签之间的相关性,对特征进行排序,选择互信息最大的特征加入特征子集;然后,引入信息距离度量特征之间... 针对高维数据存在冗余信息且维度过高的问题,提出基于信息量的最大相关最大差异特征选择算法(MCD)。首先,利用互信息(MI)度量特征和标签之间的相关性,对特征进行排序,选择互信息最大的特征加入特征子集;然后,引入信息距离度量特征之间的信息冗余性及差异性,设计评价准则对每个特征进行评价,使特征子集中特征和标签的相关性、特征之间的差异性最大;最后,用前向搜索策略结合评价准则进行属性约简,最优化特征子集。采用2种不同的分类器,在6个数据集上和mRMR(minimal-Redundancy-Maximal-Relevance criterion)、RReliefF等5个经典算法进行对比实验,利用分类精度验证MCD的有效性。在支持向量机(SVM)分类器下,平均分类精度提高了5.67~23.80个百分点;在K-近邻(KNN)分类器下,平均分类精度提高了2.69~25.18个百分点。可见,MCD在绝大多数情况下,能有效去除冗余特征,分类精度有明显提高。 展开更多

关键词 特征选择 高维数据 特征冗余 相关性 分类准确率 降维

在线阅读 下载PDF 职称材料

光谱数据的特征挖掘降维方法 被引量：4

6

作者 戴琼海 张晶 +1 位作者 李菲菲 范静涛 《数据采集与处理》 CSCD 北大核心 2016年第6期1097-1105,共9页

"去繁存精"的光谱数据解耦方法可去除高维光谱数据的大量冗余,提炼其特征谱段,是光谱仪器得以广泛应用的重要基础。应用各异性和光谱特征优选方法普适性所构成的矛盾,在一定程度上制约了光谱仪器的应用。本文提出了序列前向选... "去繁存精"的光谱数据解耦方法可去除高维光谱数据的大量冗余,提炼其特征谱段,是光谱仪器得以广泛应用的重要基础。应用各异性和光谱特征优选方法普适性所构成的矛盾,在一定程度上制约了光谱仪器的应用。本文提出了序列前向选择(Sequential forward selection,SFS)的光谱特征自适应数据挖掘方法,生成最优变量组合作为支持向量机(Support vector machine,SVM)分类模型的输入,在对光谱数据降维的同时,实现了高精度的数据分类。本文方法可有效解决大量光谱数据的多类分类问题,并在红木分类中得到了实际验证和应用,为破解因光谱特征峰高度混叠而难以进行主观经验特征选择的困境提供了新思路。 展开更多

关键词 光谱数据 特征挖掘 序列前向选择 数据降维

在线阅读 下载PDF 职称材料

高维贝叶斯优化研究综述 被引量：1

7

作者 陈泉霖 陈奕宇 +4 位作者 霍静 曹宏业 高阳 李栋 郝建业 《软件学报》 北大核心 2025年第6期2576-2603,共28页

贝叶斯优化是一种优化黑盒函数的技术,高效的样本利用率使其在众多科学和工程领域中得到了广泛应用,如深度模型调参、化合物设计、药物开发和材料设计等.然而,当输入空间维度较高时,贝叶斯优化的性能会显著下降.为了克服这一限制,许多... 贝叶斯优化是一种优化黑盒函数的技术,高效的样本利用率使其在众多科学和工程领域中得到了广泛应用,如深度模型调参、化合物设计、药物开发和材料设计等.然而,当输入空间维度较高时,贝叶斯优化的性能会显著下降.为了克服这一限制,许多研究对贝叶斯优化方法进行了高维扩展.为了深入剖析高维贝叶斯优化的研究方法,根据不同工作的假设与特征将高维贝叶斯优化方法分为3类:基于有效低维度假设的方法、基于加性假设的方法以及基于局部搜索的方法,并对这些方法进行阐述和分析.首先着重分析这3类方法的研究进展,然后比较各类方法在贝叶斯优化应用中的优劣势,最后总结当前阶段高维贝叶斯优化的主要研究趋势,并对未来发展方向展开讨论. 展开更多

关键词 高维贝叶斯优化 贝叶斯优化 黑盒优化 降维 变量选择

在线阅读 下载PDF 职称材料

基于弹性网降维及花授粉算法优化BP神经网络的短期电力负荷预测 被引量：45

8

作者 张淑清 杨振宁 +2 位作者 张立国 苑世钰 王志义 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第7期47-54,共8页

电力负荷预测为电力系统规划和运行提供可靠的决策依据。随着智能电网的全面发展,数据采集与监视控制系统(SCADA)获取数据量增加,数据的结构也更加复杂,负荷的频繁变化以及地区性的气象因素等都将影响负荷的预测的准确性。提出一种弹性... 电力负荷预测为电力系统规划和运行提供可靠的决策依据。随着智能电网的全面发展,数据采集与监视控制系统(SCADA)获取数据量增加,数据的结构也更加复杂,负荷的频繁变化以及地区性的气象因素等都将影响负荷的预测的准确性。提出一种弹性网(EN)进行大数据降维以及花授粉算法(FPA)优化BP神经网络的短期电力负荷预测方法。首先采用弹性网对负荷和气象等高维大数据进行选择和降维。弹性网通过在惩罚项中添加L1范数和L2范数,兼具了最小绝对值收缩及变量选择(LASSO)和岭回归的优点,克服了LASSO降维时因为数据内部存在共线性和群组效应而影响降维效果的问题;然后,考虑到BP神经网络权值和阈值容易受到初值的影响、收敛速度慢以及容易陷入局部最优,引入花授粉算法(FPA)优化BP神经网络,通过与粒子群算法(PSO)对比得出花授粉算法寻优速度更快,效果更好。本文方法应用于实际电力负荷预测,结果表明能有效提高预测精度。 展开更多

关键词 短期电力负荷预测 大数据变量选择及降维 最小绝对值收缩及变量选择 弹性网 花授粉算法优化BP神经网络

在线阅读 下载PDF 职称材料

质谱数据的特征降维新方法

9

作者 刘立忻 李国正 《小型微型计算机系统》 CSCD 北大核心 2009年第5期944-946,共3页

由于质谱数据的维数较高,处理时运算量也特别大,同时还降低分类精度.研究者提出一些降维方法,产生了较好的效果.一般降维方法分两类:特征提取和特征选择.两类方法各有优劣,本文提出对特征提取的主成分进行特征选择,提出了将几种特征提... 由于质谱数据的维数较高,处理时运算量也特别大,同时还降低分类精度.研究者提出一些降维方法,产生了较好的效果.一般降维方法分两类:特征提取和特征选择.两类方法各有优劣,本文提出对特征提取的主成分进行特征选择,提出了将几种特征提取方法与特征选择方法结合的框架,来对数据集进行维数约简.在三个质谱数据集上的实验结果证明新提出的框架对于质谱数据有好的效果,加入特征选择后,建模精度得到了提高. 展开更多

关键词 质谱数据 降维 特征提取 特征选择

在线阅读 下载PDF 职称材料

基于互信息的变量选择方法 被引量：2

10

作者 周生彬 黄叶金 《统计与决策》 CSSCI 北大核心 2020年第1期20-23,共4页

文章基于解释变量与被解释变量之间的互信息提出一种新的变量选择方法:MI-SIS。该方法可以处理解释变量数目p远大于观测样本量n的超高维问题,即p=O(exp(nε))ε>0。另外,该方法是一种不依赖于模型假设的变量选择方法。数值模拟和... 文章基于解释变量与被解释变量之间的互信息提出一种新的变量选择方法:MI-SIS。该方法可以处理解释变量数目p远大于观测样本量n的超高维问题,即p=O(exp(nε))ε>0。另外,该方法是一种不依赖于模型假设的变量选择方法。数值模拟和实证研究表明,MI-SIS方法在小样本情形下能够有效地发现微弱信号。 展开更多

关键词 变量选择 互信息 非参数密度估计 超高维数据分析

在线阅读 下载PDF 职称材料

超高维数据特征筛选方法综述 被引量：12

11

作者 牛勇 李华鹏 +3 位作者 刘阳惠 熊世峰 於州 张日权 《应用概率统计》 CSCD 北大核心 2021年第1期69-110,共42页

随着数据收集和存储能力的大幅提高,超高维数据[9],即数据维数伴随着样本呈指数增长,频繁出现在许多科学邻域.此时,惩罚类变量选择方法普遍遭遇三个方面的挑战:计算的复杂性,统计的准确性以及算法的稳定性.Fan和Lv[9]首先提出超高维特... 随着数据收集和存储能力的大幅提高,超高维数据[9],即数据维数伴随着样本呈指数增长,频繁出现在许多科学邻域.此时,惩罚类变量选择方法普遍遭遇三个方面的挑战:计算的复杂性,统计的准确性以及算法的稳定性.Fan和Lv[9]首先提出超高维特征筛选的方法,并在近十多年取得大量研究成果,成为当今统计最热点的研究邻域.本文主要从带模型假设,包含参数、非参数半参数模型假定的筛选方法、无模型假设的筛选以及特殊数据的筛选方法四个角度来介绍超高维筛选相关工作,并简要探讨目前超高维筛选方法存在的问题以及未来可能的研究方向. 展开更多

关键词 超高维 特征筛选 可加模型 非参数独立筛选 确保筛选性质 线性模型 变量选择 组变量选择 充分降维 纵向数据 稀疏性

在线阅读 下载PDF 职称材料

大样本线性回归模型的子抽样及变量选择 被引量：5

12

作者 徐礼文 廖丹 《统计与决策》 CSSCI 北大核心 2022年第2期5-9,共5页

文章考虑了大样本下线性回归中同时进行快速估计和变量选择的问题,即针对一个存在稀疏解的大样本线性模型,根据重要性抽样分布从全数据集抽取少量子样本,对该子样本进行自适应Lasso估计。通过随机模拟研究,将该算法分别应用在几种不同... 文章考虑了大样本下线性回归中同时进行快速估计和变量选择的问题,即针对一个存在稀疏解的大样本线性模型,根据重要性抽样分布从全数据集抽取少量子样本,对该子样本进行自适应Lasso估计。通过随机模拟研究,将该算法分别应用在几种不同的数据集中,并从模型预测精度和可解释性两个方面比较了四种子抽样方法在该算法下的表现。模拟结果表明,所提出的算法具有良好表现,在计算开销上也具有一定优势。 展开更多

关键词 大样本 数据降维 子抽样算法 变量选择

在线阅读 下载PDF 职称材料

主变量筛选法在武器型号费用数据处理中的应用

13

作者 侯亚利 王威 陈永革 《弹箭与制导学报》 CSCD 北大核心 2007年第1期220-222,共3页

文中利用矩阵的扫描运算,提出用主变量筛选法来对武器数据分析中出现的高维随机向量进行降维处理,并给出了一个算例。该方法是不同于主成分分析法的一种新的降维方法,它能有效地减小多重共线性问题带来的影响,尤其在处理数据多重相关性... 文中利用矩阵的扫描运算,提出用主变量筛选法来对武器数据分析中出现的高维随机向量进行降维处理,并给出了一个算例。该方法是不同于主成分分析法的一种新的降维方法,它能有效地减小多重共线性问题带来的影响,尤其在处理数据多重相关性突出的武器费用数据时,该方法有着良好的效果,最后,作者用一个实用算例证明了其有效性和可行性。 展开更多

关键词 主变量筛选法 多重相关性 降维 贯用数据

在线阅读 下载PDF 职称材料

基于Copula函数和LU分解法的汽轮机数据特征选择 被引量：1

14

作者 徐童 茅大钧 《热力发电》 CAS 北大核心 2018年第2期125-130,共6页

为了能够有效利用高维空间的数据并且解决冗余维数对最终结果的影响,本文提出了一种采用Copula函数和前向替换(LU)分解法的维数降低特征选择方法,即由Copula函数提供一个适合的相关性模型来比较多变量分布的数据,LU分解可以快速获得维... 为了能够有效利用高维空间的数据并且解决冗余维数对最终结果的影响,本文提出了一种采用Copula函数和前向替换(LU)分解法的维数降低特征选择方法,即由Copula函数提供一个适合的相关性模型来比较多变量分布的数据,LU分解可以快速获得维数的线性组合相关系数,然后通过相关系数分析和消除不相关或冗余数据以及其他线性组合的变量,保持数据信息的完整性,这样可对多维数据进行特征选择。将本文方法与主成分分析(PCA)、简单主成分分析(SPCA)、奇异值分解(SVD)特征选择方法用于某厂2个月内汽轮机3种工况下大量数据的处理分析。结果表明,本文方法对识别的故障数据维数的降低数和识别效率较其他方法效果更好。 展开更多

关键词 特征选择 高维数据 降维技术 COPULA函数 LU分解 故障数据 汽轮机

在线阅读 下载PDF 职称材料

一类基于信息熵的多标签特征选择算法 被引量：62

15

作者 张振海 李士宁 +1 位作者 李志刚 陈昊 《计算机研究与发展》 EI CSCD 北大核心 2013年第6期1177-1184,共8页

在多标签分类问题中,特征选择是提升多标签分类器性能的一种重要手段.针对目前多标签特征选择算法计算复杂度大和无法给出一个合理的特征子集的问题,提出了一种基于信息熵的多标签特征选择算法.该算法假设特征之间相互独立,使用特征与... 在多标签分类问题中,特征选择是提升多标签分类器性能的一种重要手段.针对目前多标签特征选择算法计算复杂度大和无法给出一个合理的特征子集的问题,提出了一种基于信息熵的多标签特征选择算法.该算法假设特征之间相互独立,使用特征与标签集合之间的信息增益来衡量特征与标签集合之间的重要程度,并据此提出一种信息增益阈值选择方法.首先计算每一个特征与标签集合之间的信息增益,然后使用信息增益阈值选择算法得到一个合理的阈值,最后根据阈值删除不相关的特征,得到一组合理的特征子集.在2个不同分类器和4个多标签数据集上的实验结果表明:特征选择算法能够有效地提升多标签分类器的分类性能. 展开更多

关键词 物联网 数据处理 信息论 多标签分类 特征选择 信息增益 特征降维

在线阅读 下载PDF 职称材料

基于类别分布的特征选择框架 被引量：18

16

作者 靖红芳 王斌 +1 位作者 杨雅辉 徐燕 《计算机研究与发展》 EI CSCD 北大核心 2009年第9期1586-1593,共8页

目前已有很多种特征选择方法,但就目前所知,没有一种方法能够在非平衡语料上取得很好的效果.依据特征在类别间的分布特点提出了基于类别分布的特征选择框架.该框架能够利用特征的分布信息选出具有较强区分能力的特征,同时允许给类别灵... 目前已有很多种特征选择方法,但就目前所知,没有一种方法能够在非平衡语料上取得很好的效果.依据特征在类别间的分布特点提出了基于类别分布的特征选择框架.该框架能够利用特征的分布信息选出具有较强区分能力的特征,同时允许给类别灵活地分配权重,分配较大的权重给稀有类别则提高稀有类别的分类效果,所以它适用于非平衡语料,也具有很好的扩展性.另外,OCFS和基于类别分布差异的特征过滤可以看作该框架的特例.实现该框架得到了具体的特征选择方法,Retuers-21578语料及复旦大学语料等两个非平衡语料上的实验表明,它们的Macro和Micro F1效果都优于IG,CHI和OCFS. 展开更多

关键词 特征选择 非平衡语料 特征降维 文本分类 数据挖掘

在线阅读 下载PDF 职称材料

基于主基底分析的变量筛选 被引量：18

17

作者 王惠文 仪彬 叶明 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2008年第11期1288-1291,共4页

利用Gram-Schmidt变换,提出一种主基底分析方法.解释并证明了Gram-Schmidt变换所删除的信息量.给出"主基底"的定义及构造方法,并提出"净信息含量比"的概念,用以测度所选基底包含的信息.该方法能在原始数据信息损失... 利用Gram-Schmidt变换,提出一种主基底分析方法.解释并证明了Gram-Schmidt变换所删除的信息量.给出"主基底"的定义及构造方法,并提出"净信息含量比"的概念,用以测度所选基底包含的信息.该方法能在原始数据信息损失尽可能小的前提下,排除所有的冗余变量以及变量集合中的重叠信息,得到一个正交的主基底,从而更有效地对大规模变量集合中的信息进行筛选.多角度的理论分析指出,主基底在尽可能多地携带原始变量信息的同时,还可保证样本点间的相似性改变最小.实际案例分析说明了该方法的合理性和有效性. 展开更多

关键词 Gram—Schmidt变换 变量筛选 数据降维 主基底

在线阅读 下载PDF 职称材料

基于机载PHI高光谱数据的森林优势树种分类研究 被引量：15

18

作者 樊雪 刘清旺 谭炳香 《国土资源遥感》 CSCD 北大核心 2017年第2期110-116,共7页

近年来,高光谱遥感在林业方面的应用越来越广泛,尤其在分类方面居多。但机载PHI高光谱数据通常用于农业病虫害监测、海洋悬浮物颗粒监测等,在林业方面的应用较少。以湖北省荆门市东宝区为研究区,以机载PHI高光谱遥感数据为数据源,对森... 近年来,高光谱遥感在林业方面的应用越来越广泛,尤其在分类方面居多。但机载PHI高光谱数据通常用于农业病虫害监测、海洋悬浮物颗粒监测等,在林业方面的应用较少。以湖北省荆门市东宝区为研究区,以机载PHI高光谱遥感数据为数据源,对森林优势树种进行了分类研究。首先采用独立成分分析法(independent component analysis,ICA)对裁剪后的PHI数据进行降噪,并利用自适应波段选择法(adaptive band selection,ABS)进行降维,再采用归一化植被指数(normalized difference vegetation index,NDVI)区分林地与非林地,最后利用支持向量机法(support vector machine,SVM)进行森林优势树种监督分类。研究结果表明,分类精度可达80.70%,Kappa系数达到0.75;分块处理PHI数据以及采用NDVI区分林地与非林地,对于减弱"同物异谱"和"异物同谱"现象有较好的作用;ABS与SVM相结合的分类方法,较适用于PHI数据在树种识别方面的应用探索,具有重要意义。 展开更多

关键词 高光谱数据 PHI 降维 波段选择法 SVM

在线阅读 下载PDF 职称材料

一种大规模数据库的组合优化决策树算法 被引量：5

19

作者 赵静娴 倪春鹏 +1 位作者 詹原瑞 杜子平 《系统工程与电子技术》 EI CSCD 北大核心 2009年第3期583-587,共5页

提出了一种适合于大规模高维数据库的组合优化决策树算法。相比于传统的类似算法,该算法从数据的离散化,降维,属性选择三方面进行改进,对决策树建立过程中不适应大规模高维数据库的主要环节进行了优化,有效解决了处理大规模高维数据库... 提出了一种适合于大规模高维数据库的组合优化决策树算法。相比于传统的类似算法,该算法从数据的离散化,降维,属性选择三方面进行改进,对决策树建立过程中不适应大规模高维数据库的主要环节进行了优化,有效解决了处理大规模高维数据库问题的效率和精度之间的矛盾。仿真试验表明,该算法在大大减少了计算代价的同时提高了决策树的分类精度。 展开更多

关键词 离散化 降维 属性选择 决策树 数据挖掘

在线阅读 下载PDF 职称材料

基于正交投影散度的高光谱遥感波段选择算法 被引量：14

20

作者 苏红军 盛业华 +1 位作者 Yang He Du Qian 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2011年第5期1309-1313,共5页

由于高光谱数据的海量高维特征,对其进行降维处理成为高光谱遥感研究的一个重要问题。波段选择算法由于能够有效地保留原始数据的信息,在高光谱数据降维及后续的遥感识别与分类等方面具有明显的优越性。文章提出了一种基于正交投影散度(... 由于高光谱数据的海量高维特征,对其进行降维处理成为高光谱遥感研究的一个重要问题。波段选择算法由于能够有效地保留原始数据的信息,在高光谱数据降维及后续的遥感识别与分类等方面具有明显的优越性。文章提出了一种基于正交投影散度(OPD)的波段选择方法,该方法继承了正交子空间投影(OSP)算法的特点,通过把原始数据投影到特征空间,实现感兴趣目标与背景噪声的分离;通过最大化光谱向量之间的相似性测度以及顺序浮动前向搜索(SFFS)算法,实现快速的波段选择。利用HYDICE和HY-MAP高光谱数据进行实验验证,并与其他传统波段选择算法,如光谱角度匹配、欧式距离、光谱信息散度和LCMV-BCC等进行对比,结果表明该算法在高光谱数据波段选择方面具有较好的适用性和鲁棒性,能够有效地应用于高光谱遥感数据的降维研究。 展开更多

关键词 波段选择 OPD 数据降维 高光谱影像

在线阅读 下载PDF 职称材料