锐客网

  1. 首页 > 睿知 > >

k-l变换和主成分分析,主成分变换名词解释

经验分享睿知

委托人成分 分析法学原理委托人成分 分析法学原理如下:委托人成分 分析，其一 。main成分分析Law介绍什么是main成分分析Law 1、main成分分析(Prince本文主要介绍一些适合高光谱数据的光谱维特征提取方法，主要涉及principal成 。

1、光谱维特征提取方法特征是对象的各种属性和特征 。遥感图像中的特征提取分析可以在两种意义上实现:一种是按照一定的准则直接从原始空间中选择一个子集(即子空间)，实践中的波段选择属于这一类；另一种是找到原特征空间和新特征空间之间的映射关系P，P: X→ Y，将原特征空间X {X1 ， x2…，Xn}映射到降维后的特征空间Y ， Y {Y1 ， y2…，YM} ， m < n

由于高光谱数据具有多波段、波段间相关性高、数据冗余度高的特点，因此高光谱遥感数据的特征提取具有特殊的意义 。遥感图像特征提取包含的内容非常广泛，提取方法也很多 。光谱维特征提取和空间维特征提取是表达图像特征提取的两种主要方法 。主要介绍了一些适用于高光谱数据的光谱维数特征提取方法，主要涉及principal成分-2/方法、canonical variable分析方法和改进的CA方法 。

2、主 成分 分析的基本思想main成分-2/的基本思想是试图将许多相关的指标(如P指标)重新组合成一组新的不相关的综合指标来代替原来的指标 。principal成分分析(PCA)是一种统计方法 。通过正交变换，将一组可能相关的变量转化为一组线性无关的变量 ， 转化后的变量集合称为principal 成分 。在实际项目中，为了全面分析该问题，往往会提出许多与之相关的变量(或因子)，因为每个变量都不同程度地反映了这个项目的一些信息 。

信息的大小通常用平方和或偏差方差来衡量 。历史:1846年，Bracais提出将多元正常椭球旋转到“主坐标” ， 使新变量相互独立 。Pearson)(1901)和Hotelling)(1933)都对master 成分的发展做出了贡献，Hotelling的推导模型被认为是master 成分模型成熟的标志 。

3、主 成分 分析法原理main 成分 分析方法原理如下:main成分分析，这是一种统计方法 。通过正交变换，将一组可能相关的变量转化为一组线性无关的变量，转化后的变量集合称为principal 成分 。在实际项目中 ， 为了全面分析该问题，往往会提出许多与之相关的变量(或因子)，因为每个变量都不同程度地反映了这个项目的一些信息 。principal成分分析最早是由KarlPearson引入到非随机变量中，然后H. hotelling将这种方法推广到随机向量的情况 。

用统计方法分析研究多变量题目时，变量太多会增加题目的复杂性 。人们自然想要更少的变量和更多的信息 。在很多情况下，变量之间存在一定的相关性 。当两个变量之间存在一定的相关性时，可以说明这两个变量反映的信息有一定的重叠 。master成分分析是对原来提出的所有变量 ， 删除冗余变量(密切相关的变量)，建立尽可能少的新变量，使这些新变量成对不相关，这些新变量在反映主体的信息时，尽可能保留原有信息 。
4、主 成分 分析法介绍什么是主 成分 分析法【k-l变换和主成分分析,主成分变换名词解释】1，principal成分分析(主成分分析，PCA)是一种统计方法 。通过正交变换 ， 将一组可能相关的变量转化为一组线性无关的变量，转化后的变量集合称为principal 成分 ， 2.在实际项目中 ， 为了全面分析问题，往往会提出许多与此相关的变量(或因素)，因为每个变量都不同程度地反映了这个项目的一些信息 。3.principal成分分析最早是由KarlPearson提出的，后来H. hotelling把这种方法推广到随机向量的情况 。

    推荐阅读


    上一篇：云计算的分析及应用,遥感云计算与科学分析

    下一篇：反激开关电源波形分析,正激式开关电源波形