主成分变换的特征,主成分变换定义

主成分变换的特征,主成分变换定义

PCA主成分分析特征变换的目的是将地表物体集中在几个主谱带上，在保证最大信息容量的前提下压缩分类涉及的数据量，从而提高分类速度。 这里主要介绍主成分变换，也称为主成分分析。建议对多光谱数据进行对数变换，突出类型特征，然后进行主成分变换，根据主成分的贡献率确定EM算法分类所需的主成分数量，消除方差。 协方差矩阵的奇异性，同时衰减噪声；第一次对数变换

(1)主成分变换是一种无监督学习算法，其结果的质量取决于原始数据的结构；(2)主成分变换算法不能保证获得的新特征完全可操作；(3)由于降维导致数据变化，数据的可解缨帽变换是基于软图像物理特性的固定变换。实际上是一种特殊的主成分变换。 轴并不指向主成分方向，而是指向与地面场景密切相关的方向，尤其是与地面场景密切相关的方向

主成分变换的前几个主成分包含了主要的对象信息，噪声相对较小；随着信息量逐渐减少，最后一个主成分实际上几乎是所有噪声信息（如MSS数据中的条纹）。 因此，主成分变换突出了主要信息。主成分变换的几何意义就是在p维空间中求出椭球体的主轴。从数学上很容易知道，它们在x1,x2,,xp的相关矩阵中，其特征向量对应于它们的大特征值。 主要成分

主成分变换后，第一个主成分包含了大部分信息，其次是第二个主成分。只要取前几个主成分，就可以包含原变量中的大部分信息。因此，主成分变换具有图像增强、降维特征值）每个主成分的均值为0，方差为协方差特征值14PCA对应的矩阵。图像数据的几个例子（特征值曲线、信息感知（分布结构）信息感知、最大最小主成分）15PCA：几个

主成分正向变换，一般意义上的K-L变换就是直接变换。这个过程通过统计软件图像在带状协方差矩阵的基础上计算特征值，构造主成分。 根据主成分与特征值的关系，选择少量主成分作为输出。打开PIE-Basic软件，在菜单中选择【图像处理】→【图像变换】→【主成分变换】→【主成分正向变换】，打开"主成分正向变换"对话框：输入文件：待处理的多波段遥感影像;统计参数设置：勾选