主成分分析模型在数据处理中的应用

主成分分析模型是一种将原始多个指标转化为少数几个相互独立的包含原始指标绝大部分信息的综合指标的统计学方法。利用MATLAB软件探索了利用主成分分析模型对专题数据进行处理的方法,并利用科学可视化方法对处理结果进行分析评价。实验表明,主成分分析模型能够有效简化原始变量,挖掘原始数据中的隐藏信息。     

用改进的主成分分析法对东湖的水质污染进行评价

从对逆指标进行线性变换、用对数化法对指标进行无量纲化及评价指标的选择等三个方面对传统主成分分析方法进行改进,并应用于东湖的水质污染质量评价中。与传统方法相比,本文方法更为合理地保留了原始指标矩阵中的信息,且第一主成分的贡献率有了显著的提高。评价过程全部用计算机实现,并将评价结果生成东湖水质污染专题图。     

SAR和TM图像主成分变换融合中不同主分量替换的比较

常用的主成分变换融合方法是将一种遥感图像数据代替主成分变换后的第一主成分并进行反变换,从而得到融合信息的方法。但是,信息量较高的第一主成分被替换,往往造成一定的信息损失。本文对TM2、TM3、TM4、TM5和TM7进行主成分变换,然后用RadarsatSAR影像分别替换各主成分,并对其进行反变换。研究表明,与替换第一主成分或原始图像相比,替换第四和第五主成分的结果在信息量上有很大提高,且信息增强,类别间分离度增大,分类精度提高。但是,替换第四、第五主成分的融合结果相差不大.     

基于主成分分析的植被含水率模型

为了对岷江上游“生态水”的估测提供有效的数据源和方法,利用高光谱遥感技术定量研究了植被反射光谱与植被含水率的关系,测定了研究区多个采样点棕榈叶片的反射光谱和对应的含水率,通过二者的相关分析和逐步回归的方法提取敏感波段;为避免敏感波段之间相关性影响,采用主成分分析法提取主成分,建立主成分与含水率的定量分析模型,并建立主成分与标准自变量的回归方程,然后建立各个标准变量与原始自变量(反射光谱敏感波段)的回归方程,最终转换为植被含水率与反射光谱之间的模型.结果表明:棕榈叶片反射光谱在454 nm,668 nm,1 466 nm,1 664 nm和1 924 nm波段处与含水率显著相关;采用主成分定量分析模型的估算值与实测值相关系数为0.92,均方根误差为0.06.     

利用主成分分析法及地理加权回归模型分析AOD数据

针对采用地理加权回归模型（GWR）进行预测时输入变量较多导致计算复杂度高,而输入变量较少引起预测精度降低这一问题,提出了一种基于主成分分析的地理加权回归方法（PCA-GWR）。首先,该方法检验了气溶胶光学厚度（AOD）影响因素之间的共线性;然后,通过非线性主成分分析法（NLPCA）对影响AOD值的若干相关变量进行处理,既消除了相关变量彼此之间的多重共线性,又可以起到降维的作用;最后,利用非线性主成分分析得到较少的几个综合指标,通过地理加权回归模型对AOD值进行分析预测。为验证该方法的有效性,采用京津冀地区的AOD、高程、风速、气温、湿度、气压、坡度、坡向数据,利用Pearson相关系数法选取与AOD浓度具有较高相关性的影响因素作为常规的GWR模型的输入变量,在变量个数相同的前提下,与本文方法进行对比。研究结果表明：应用非线性主成分分析法对相关变量进行预处理后,有效地解决了变量之间的共线性,保留了原始影响因素主要信息,提高了运算效率,且该方法所得的MAE、RMSE、AIC及其拟合优度R²均优于常规的GWR模型。     

基于TM图像的城市不透水面信息提取

基于TM图像,利用遥感技术,以山西省太原市为研究区域,提取不透水面信息.综合比较和分析了被广泛应用的主成分分析法和归一化差值不透水面指数法,进而提出了一种改进的不透水面提取方法——实验图层组合法.利用随机生成的256个分类评价采样点,以可提供经纬度信息的Google Earth作为参考,将通过监督分类方法获得的分别基于原始多波段图像以及主成分分析法、归一化差值不透水面指数法和实验图层组合法得到的分类结果进行了评估,获得了4种图像的分类精度.比较可知,实验图层组合法总体分类精度高于其他3种结果,为87.72％,Kappa系数为0.85.     

多重主成分分析及在地质构造信息提取中的应用

提出一种多重主成分分析方法 ,是对原始遥感数据经过图像变换或运算处理后 ,再有针对性地对专题信息进行二次乃至多次提取的图像处理方法 ,同时也是对多种不同类型 ,不同分辨率的遥感图像进行综合处理的尝试。应用于柴达木盆地西部山区提取地质构造信息获得显著效果。图像上新发现了一个鼻状圈闭及一组连接上、下两个断裂带的弧形纹理。     

一种改进的K2DPCA高光谱遥感图像降维方法

本文提出了一种改进的核二维主成分分析(K2DPCA)高光谱遥感图像降维方法,该方法通过标准核二维主成分分析消除了遥感图像各波段列间的相关性,利用列二维主成分分析在核二维主成分的行方向上进一步去除相关性,实现了遥感图像在空间维上的双向降维,并得到各波段的主成分,重建原始图像。采用AVIRIS和HyMap两种高光谱遥感图像进行试验,结果表明该方法在保证重构图像质量的同时,能够有效提高图像压缩比,在遥感图像降维中具有普适性。     

快速近似主成分分析算法

通过分析现有主成分分析算法的不足,研究了如何利用小波包算法实现快速近似主成分分析算法的问题,并对两种算法的复杂度进行了比较。实验结果表明：提出的快速近似主成分分析算法在精度和速度两个方面都具有明显的优势。     

基于PCA-SMO的CSI指纹定位方法

Wi-Fi信道状态信息(CSI)中包含丰富的特征信息,使得基于CSI的指纹定位方法可以构建更高维度的特征以改善定位精度,但指纹特征中的冗余信息也导致构建的指纹库存储量大、建立定位模型的时间开销变大以及实时定位计算量大等问题.对此,提出使用主成分分析(PCA)的方法对原始指纹特征进行降维,而后利用序列最小最优化算法(SM...     

主成分分析模型及在变形监测中的应用

随机误差和多径效应作为GPS变形监测中的主要误差源,严重影响着GPS测量精度。针对这一问题,本文将主成分分析(Principal Component Analysis,PCA)模型引入GPS变形监测领域,首先利用传统PCA方法将测量数据转换至特征空间,通过剔除小特征值对应的特征向量实现对高斯分布随机噪声的抑制,然后将多径噪声作为色噪声进行分析,提出一种广义PCA方法利用多径噪声的时间相关性对其进行滤除,基于实际工程测试数据的实验结果表明,相对于传统的小波噪声抑制方法,所提方法可以获得更好的噪声抑制性能。     

基于独立分量分析的遥感图像分类技术

遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量分析能利用相对主成分分析更高的统计分量 ,不但可以获得去相关的效果 ,而且可以得到相互独立的结果波段图像。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 ,提高了独立分量分析在遥感图像的分类上的有效性     

主成分估计在多项式曲面拟合GPS高程中的应用

阐述了多项式曲面拟合GPS高程中参数数目对结果的影响,比较了传统最小二乘平差、主成分估计和岭估计在不同参数时的计算结果,主成分回归在不同参数时都可以取得比较满意的结果。     

用群落调查及光谱观测数据的主成分分析方法研究草场各生物参数之间的关系

以内蒙古锡林河流域典型草原为研究对象,在群落调查和光谱观测数据的基础上,引入主成分分析方法(PCA)研究了与草场健康有关的各生物参数间关系,提出一种草场健康状况监测的新方法:(1)从包含12个反映群落各方面信息的变量中提取出3个有特定生态学意义的主成分,并进一步对其进行分析组合,得出一个能比较敏感、全面反映群落健康状况的新指标—草场健康指数(GHI);其意义在于:它不仅可以反映草场的生物量信息,而且可以反映群落的结构组成信息。(2)从6波段的植被光谱反射数据中提取出2个主成分:可见光因子和红外光因子,它们可以较好反映植被信息。(3)表征群落总量、放牧退化的主成分和GHI与植被光谱反射值有相当的相关性,由此得到GHI与可见光、红外光因子的回归模型。此模型可利用植被光谱较好地反映草场健康状况。     

基于主成分分析的遥感图像模拟真彩色融合法

对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是遥感应用的关键问题之一.基于主分量变换法,提出了基于主成分分析的模拟真彩色融合法.该方法不仅具有主成分分析融合法的光谱波段选择灵活和光谱信息损失小等优点,同时该方法还可获得逼真的自然色彩的融合图像,提高了图像的融合效果.利用QuickBird全色和多光谱数据进行了试验,并与色彩空间变换法(HIS)、比值变换融合法和乘积变换法等传统方法,在定性和定量两个方面进行了比较分析.结果表明,新方法很好的保留了多光谱影像的光谱信息,提高了空间细节的表现能力,是一种有效实用的遥感图像融合方法.     

基于主成分分析的赣江流域水资源承载力评价

沿海的产业梯度的转移,带来了赣江流域产业的迅速崛起,同时水资源问题也日显突出。水资源承载力评价是实现水资源可持续发展的重要手段,本文以主成分分析法为基础,在赣江流域内按上、中、下流域段分别选取赣州市、吉安市和南昌市3个主要城市作为水资源承载力评价对象,得出赣江流域上中游的水资源承载力明显高于下游,上中游的水资源开发潜力还很大,而下游的水资源利用应在可持续发展的原则下采取保护措施。     

基于主成分分析的遥感图像模拟真彩色融合法

对不同空间分辨率、时间分辨率和波谱分辨率的遥感图像进行综合、高效的利用,是遥感应用的关键问题之一。基于主分量变换法,提出了基于主成分分析的模拟真彩色融合法。该方法不仅具有主成分分析融合法的光谱波段选择灵活和光谱信息损失小等优点,同时该方法还可获得逼真的自然色彩的融合图像,提高了图像的融合效果。利用QuickBird全色和多光谱数据进行了试验,并与色彩空间变换法(IHS)、比值变换融合法和乘积变换法等传统方法,在定性和定量两个方面进行了比较分析。结果表明,新方法很好的保留了多光谱影像的光谱信息,提高了空间细节的表现能力,是一种有效实用的遥感图像融合方法。     

结合NSCT和KPCA的高光谱遥感图像去噪

针对高光谱遥感图像易受噪声干扰,本文提出了一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和核主成分分析KPCA(Kernel Principal Component Analysis)的去噪方法。首先对高光谱各波段图像进行NSCT分解;然后利用KPCA对NSCT系数进行处理,并在KPCA重构时依据各类噪声的特性选取合适的主成分;最后用处理过的系数进行逆变换得到去噪图像。实验结果表明,本文方法抑制了高光谱遥感图像中的噪声干扰,较完整地保留了原始数据的有效信息。     

多光谱遥感异常提取技术方法体系研究

详细介绍了多光谱遥感异常提取方法体系——“去干扰（或称掩模）-主成分分析-异常筛选”（De-interfered Anomalous Principal Component Anomaly Filtration，以下简称DPF技术）的内容及工作方法，指出了技术体系应用时需要注意的问题。该 技术体系包括数据预处理、干扰去除、异常提取、异常后处理、异常筛选与推荐等5部分。在天山—北山、昆仑及冈底斯成矿带的 应用证明，该方法体系成效显著。