基于PCA和KPCA的高光谱遥感数据降维对比研究

高光谱遥感影像数据降维在降低数据处理代价的同时，保留了大量必要的地物信息，对后续地物识别与分类等应用提供了重要保障。为探究线性降维方法与加入核函数的非线性降维方法间的差异，利用编程实现了主成分分析（PCA）和基于多项式核函数的核主成分分析（KPCA）两种降维算法。通过设定累计贡献率的阈值，利用降维结果进行内部差异性对比，利用MLP分类器分类后的结果进行外部差异性比较。实验结果表明：(1)KPCA算法在数据压缩、降维效果方面具有较大优势；(2)利用KPCA算法降维后的数据，经MLP分类器分类后的总体精度、Kappa系数均高于PCA算法；(3)PCA算法的算法复杂度较低，计算量小且计算时间短，在时间复杂度方面具有更大优势。