使用主成分分析消除冗余數據?

主成分分析特征值

什么是GIS中的主成分分析？?

主成分分析。你可能以前見過這個縮寫詞。PCA代表“**主成分分析**“。

但它是什么？它是如何在GIS和遙感中使用的？

有時，變量之間高度相關，使得它是在另一個變量中發現的重復信息。主成分分析**識別多個數據集上的重復數據**。僅將基本信息匯總到稱為“主要組件 ”的組中。

微信號：MeetyXiao
添加微信好友, 獲取更多信息
復制微信號

PCA的功能是創建一個只包含基本信息的新數據集。

最重要的是，在使用PCA時減少了冗余。

ArcGIS中的主成分分析示例?

海拔、坡度和山陰數據如何？

這三個數據集有冗余嗎？

以下是如何在ArcGIS中對海拔、山陰和坡帶進行PCA分析：

1運行“復合波段”工具?

“復合波段”工具將高程、陰影和坡度柵格組合為一個3帶柵格。使用以下柵格作為輸入：

• 波段1： 高程

• 波段2： 山體陰影

• 波段3： 斜率

將新柵格輸出為 合成

2執行“主要組件”工具?

使用空間分析擴展，使用以下標準執行“主要組件”工具：

• 將新柵格輸出為： 合成

• 輸出柵格： PCA

• 主要成分數量： 3

• **輸出數據文件：**主要組件.txt

結果將是一個3通道PCA組合和一個顯示冗余量的數據文件。

3分析主要成分表?

“特征值百分比”顯示每個主成分占多少。

該表顯示**之一部分占協方差的67.1％**。

當您添加第二個通道時，它**占協方差的98.1％。**第三部分沒有提供太多額外的信息（1.9％），與主要部分1和2略有多余。

如何在遙感中使用PCA？?

對三個波段進行主成分分析是有用的——我們發現第三個波段沒有添加太多信息。

10波段（多光譜）柵格**呢？甚至是**100或200波段（高光譜）？

這就是PCA真正有用的地方- multispectral and hyperspectral *** ysis。

例如，如果大部分方差（特征值）是在主成分1、2和3中找到的，那么只需要使用這三個主成分。對于陸地覆蓋物分類，與所有10個波段相比，使用三個波段要容易得多。

總之，PCA識別多個通道上的重復數據，減少冗余，加快處理時間。這是**主成分分析圖像處理**。

接下來是什么？?

在處理高度相關的變量時，可以運行 主成分分析 看看是哪一個。

如果你測試過這個 主成分分析指南 ，嘗試掌握這些其他空間統計指南：

• Kriging Interpolation – The Prediction Is Strong in this One

• How to Build Spatial Regression Models in ArcGIS

• Root Mean Square Error RMSE in GIS

來源：開源地理空間基金會中文分會

來源鏈接：https://www.osgeo.cn/post/1f216

本站聲明:網站內容來源于 *** ,如有侵權,請聯系我們,我們將及時處理。