基于PCA和ICA的多光谱数据降维方法

您当前的位置：

首页 >

文章列表页 >

基于PCA和ICA的多光谱数据降维方法

光谱学 | 更新时间：2025-09-01

- 基于PCA和ICA的多光谱数据降维方法
- Dimensionality reduction method based on combination of PCA and ICA
- 光学技术 2014年40卷第2期页码：180-183
- 作者机构：
  
  1:江南大学物联网工程学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2014.02.017
  中图分类号：
- 纸质出版：2014
- 稿件说明：
移动端阅览
王一帆, 唐正宁. 基于PCA和ICA的多光谱数据降维方法[J]. 光学技术, 2014,40(2):180-183.

Dimensionality reduction method based on combination of PCA and ICA[J]. 2014, 40(2): 180-183.
王一帆, 唐正宁. 基于PCA和ICA的多光谱数据降维方法[J]. 光学技术, 2014,40(2):180-183. DOI： 10.13741/j.cnki.11-1879/o4.2014.02.017.

Dimensionality reduction method based on combination of PCA and ICA[J]. 2014, 40(2): 180-183. DOI： 10.13741/j.cnki.11-1879/o4.2014.02.017.

提出了一种结合主成分分析(PCA)和独立成分分析(ICA)的多光谱数据降维方法

实现了用低维基向量的线性组合来表示高维的光谱数据。首先用PCA方法对多光谱数据进行重构

为了提高色度精度

重建中引入了物体的色度信息;然后用ICA方法对因引入色度信息所造成的剩余光谱误差进行修正。从实验结果来看

所提出的方法均方根误差的平均值较PCA法降低了34.48%

GFC的平均值也达到了95%以上

其降维精度优于基于PCA的光谱降维方法。

浏览量

709

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于PCA/ICA和误差补偿算法的眼镜摘除研究

基于PCA和SVM的高光谱遥感图像分类研究

一种离散点插值算法用于重建光谱反射率

基于逆方差加权的光谱反射率重建算法研究

基于超材料的堆叠式宽谱热辐射吸收器的设计