| 关于LLE算法的监督型参数设置方法及应用 |
| |
| 引用本文： | 孙小丹.关于LLE算法的监督型参数设置方法及应用[J].信息技术,2019(6):72-76. |
| |
| 作者姓名： | 孙小丹 |
| |
| 作者单位： | 1.福州职业技术学院 |
| |
| 基金项目： | 福建省教育厅科研项目(JAT171060);福建省自然科学基金项目(2015J01627) |
| |
| 摘 要： | 采用局部线性嵌入(Locally Linear Embedding,LLE)算法进行数据降维时,不仅能保持数据分布的局部线性特征,同时还能保存数据分布的流形结构,因此该算法常用于高光谱影像的数据降维。其中,关于最近邻像元个数K的设置是执行该算法的关键。然而,关于K值的设置,目前尚无一个行之有效的方案。针对这一问题,文中基于监督型特征提取的思想,从"线性预测误差均值最小化"的角度出发,提出了一个监督型参数设置方法。同时,为了验证该方法的可行性和优越性,结合两个实验区Hyperion影像关于第26至57波段包含的32维光谱数据,进行了降维实验。最后,通过分析对比实验结果,证明了:采用LLE算法进行高光谱影像数据降维时,若依据文中所提方法设置的K值,能获得噪声点少且地物细节信息更加丰富的低维影像数据。
|
| 关 键 词： | 局部线性嵌入算法 最近邻像元个数 监督型参数设置方法 数据降维 |
The method and application of supervised parameter setting of LLE algorithm |
| |
| SUN Xiao-dan.The method and application of supervised parameter setting of LLE algorithm[J].Information Technology,2019(6):72-76. |
| |
| Authors: | SUN Xiao-dan |
| |
| Affiliation: | (Fuzhou Vocational and Technical College, Fuzhou 350108,China) |
| |
| Abstract: | SUN Xiao-dan(Fuzhou Vocational and Technical College, Fuzhou 350108,China) |
| |
| Keywords: | locally linear embedding algorithm number of the nearest neighbor pixels supervised method of setting parameter dimensional reduction on data |
| 本文献已被 维普 等数据库收录！ |
|
