高光谱数据降维是遥感数据在土地资源分析及应用的第一步，是人们获取遥感信息的一种重要手段。针对高光谱数据具有的高维数、非线性、数据量大、标记样本少等特性，利用机器学习、模式识别和遥感科学等多学科交叉的理论和方法，研究高光谱数据降维问题。
本书以稀疏表示、张量学习、迁移学习和深度学习为基础，系统阐述如何更好地进行非线性特征提取、如何针对高光谱数据的三维特性设计降维算法以及如何充分利用有限标记样本和大量未标记样本来提高降维效果等问题。各章节均涉及相关领域基础知识的介绍，能够为不同层次的读者与研究人员提供入门知识与参考信息。
样章试读
目录
- 目录
前言
第1章 高光谱研究概述 1
1.1 高光谱数据研究现状 3
1.1.1 高光谱数据发展现状 3
1.1.2 高光谱数据应用领域 4
1.1.3 高光谱数据降维的研究现状及存在问题 5
1.2 降维算法的研究现状 7
1.2.1 基于稀疏表示的降维算法 7
1.2.2 张量型降维算法 8
1.2.3 基于特征的迁移学习方法 8
1.3 本书主要研究方法 9
参考文献 11
第2章 高光谱数据降维研究基础 19
2.1 高光谱数据分析 19
2.1.1 高维数据的几何特征 19
2.1.2 高维数据的统计分布特征 22
2.2 高光谱数据特点 24
2.2.1 高光谱数据的数据模型 24
2.2.2 高光谱数据的空间相关性 25
2.2.3 高光谱数据的谱间相关性 27
2.2.4 Hughes现象 28
2.3 高光谱数据的降维算法 29
2.3.1 特征选择方法 30
2.3.2 特征提取方法 30
2.4 高光谱数据降维的分类评价指标 45
2.4.1 混淆矩阵 46
2.4.2 整体分类精度 46
2.4.3 使用者、生产者及平均精度 46
2.4.4 Kappa系数 47
2.5 高光谱数据降维的实验数据集 47
2.5.1 AVIRIS高光谱数据 47
2.5.2 Hyperion高光谱数据 50
2.5.3 ROSIS University高光谱数据 51
2.5.4 ProSpecTIR高光谱数据 52
2.6 本章小结 53
参考文献 53
第3章 基于样本依赖排斥图的非负稀疏嵌入投影高光谱数据降维 57
3.1 基于样本依赖排斥图的非负稀疏嵌入投影 58
3.1.1 非负稀疏表示 59
3.1.2 样本依赖排斥图构建 59
3.1.3 低维嵌入投影 61
3.1.4 算法步骤 63
3.2 实验与分析 63
3.3 本章小结 67
参考文献 68
第4章 基于加权近邻保持嵌入的高光谱数据降维 70
4.1 分布形变和加权距离 71
4.2 加权近邻保持嵌入 73
4.3 算法步骤 75
4.4 实验与分析 75
4.4.1 人工数据集 75
4.4.2 AVIRIS高光谱遥感实验数据 77
4.5 本章小结 80
参考文献 80
第5章 遥感影像的半监督判别局部排列降维 82
5.1 判别局部排列 83
5.2 基于图的半监督判别局部排列 84
5.3 实验与分析 86
5.4 本章小结 89
参考文献 89
第6章 基于块非负稀疏重构嵌入的高光谱数据降维 91
6.1 块非负稀疏重构嵌入 92
6.1.1 非负稀疏表示 92
6.1.2 块非负稀疏表示 93
6.1.3 低维嵌入 93
6.1.4 算法步骤 95
6.2 实验与分析 95
6.2.1 高光谱实验数据 96
6.2.2 BNSRE中字典块个数及稀疏权重矩阵分析 97
6.2.3 降维性能分析 99
6.2.4 讨论 100
6.3 本章小结 102
参考文献 102
第7章 基于非负稀疏图的高光谱数据降维 104
7.1 基于非负稀疏图的降维 105
7.1.1 问题描述 105
7.1.2 块非负稀疏表示 106
7.1.3 非负稀疏图构建 107
7.1.4 目标函数 109
7.2 算法步骤 110
7.3 实验与分析 111
7.4 本章小结 115
参考文献 115
第8章 基于非负稀疏半监督的高光谱数据降维 118
8.1 非负稀疏半监督降维算法 119
8.1.1 判别项 120
8.1.2 正则项 121
8.1.3 非负稀疏半监督最大间隔准则 122
8.2 实验与分析 123
8.3 本章小结 127
参考文献 128
第9章 基于高质张量近邻图和补丁校准的高光谱数据降维 130
9.1 基于高质张量近邻图和补丁校准的降维 131
9.1.1 高光谱数据光谱-空间信息的张量表示 132
9.1.2 张量距离 133
9.1.3 高质量近邻图 134
9.1.4 张量型补丁校准 135
9.2 实验与分析 138
9.2.1 参数分析 139
9.2.2 降维性能分析 142
9.3 本章小结 147
参考文献 148
第10章 基于成对约束判别分析-非负稀疏散度的高光谱数据降维 150
10.1 基于成对约束判别分析-非负稀疏散度的降维 151
10.1.1 问题描述 151
10.1.2 成对约束判别分析 153
10.1.3 非负稀疏散度准则 155
10.1.4 算法步骤 157
10.2 实验与分析 158
10.2.1 参数分析 158
10.2.2 对比实验 160
10.3 本章小结 163
参考文献 163
第11章 基于样本依赖排斥图正则化自动编码器的高光谱图像降维 167
11.1 基于样本依赖排斥图正则化自动编码器的降维 168
11.1.1 问题描述 168
11.1.2 样本依赖排斥图构建 169
11.1.3 基于样本依赖排斥图正则化自动编码器 169
11.2 算法步骤 172
11.3 实验与分析 172
11.4 本章小结 175
参考文献 175
京公网安备 11010102004214号