遥感图像特征提取方法研究与实现.doc

遥感图像特征提取方法研究与实现

2万字 63页 包括外文翻译，原创作品，通过查重系统

摘 要

在人脑的生理特征中，人脑对外界的认知手段多样，导致人获取的信息维数过高。如果人脑不对获取的信息进行降维处理，那么人脑对信息处理的效率和精准度都会下降，因此人脑对这些感知神经处理时，均通过了复杂的降维处理。
PCA方法广泛运用于从神经科学到计算机图形学的数据分析。因为它是一种简单的非参方法，能够从复杂的数据集中提取出数据相关信息。我们进行主成分分析的动机是希望计算出一个含有噪音数据空间的最重要的基，来重新表达这个数据空间。但是这些新基往往隐藏在复杂的数据结构中，我们需要滤除噪音来找到重构出数据空间的新基。
PCA方法是一个高普适用方法，它的一大优点是能够对数据进行降维处理，我们通过PCA方法求出数据集的主元，选取最重要的部分，将其余的维数省去，从而达到降维和简化模型的目的，间接地对数据进行了压缩处理，同时很大程度上保留了原数据的信息，就如同人脑在感知神经处理时进行了降维处理。
本文正是基于此背景，研究高维数据如何降低维数，反复调整贡献率，最终得到最佳的维数，然后再利用libsvm计算出准确度。设计一共分为两个模块：
（1）利用PCA对高维数据进行处理，通过调整贡献率的大小和达到第一个贡献率的样本个数，得到最佳的维度；
（2）利用libsvm对从PCA得到的数据进行处理，通过调整核函数和惩罚系数使准确度达到最大。


关键词：降维；模式识别；贡献率；