使用主成分分析消除冗余数据¶
主成分分析特征值
什么是GIS中的主成分分析？¶
主成分分析。你可能以前见过这个缩写词。PCA代表“**主成分分析**“。
但它是什么？它是如何在GIS和遥感中使用的？
有时，变量之间高度相关，使得它是在另一个变量中发现的重复信息。主成分分析**识别多个数据集上的重复数据**。仅将基本信息汇总到称为“主要组件 ”的组中。
添加微信好友, 获取更多信息
复制微信号
PCA的功能是创建一个只包含基本信息的新数据集。
最重要的是，在使用PCA时减少了冗余。
ArcGIS中的主成分分析示例¶
海拔、坡度和山阴数据如何？
这三个数据集有冗余吗？
以下是如何在ArcGIS中对海拔、山阴和坡带进行PCA分析：
1运行“复合波段”工具¶
“复合波段”工具将高程、阴影和坡度栅格组合为一个3带栅格。使用以下栅格作为输入：
波段1： 高程
波段2： 山体阴影
波段3： 斜率
将新栅格输出为 合成
2执行“主要组件”工具¶
使用空间分析扩展，使用以下标准执行“主要组件”工具：
结果将是一个3通道PCA组合和一个显示冗余量的数据文件。
3分析主要成分表¶
“特征值百分比”显示每个主成分占多少。
PC层 | EigenValue | 特征值百分比 | 特征值累计 |
|---|---|---|---|
1 | 699.9 | 67.1 | 67.1 |
2 | 323.6 | 31 | 98.1 |
3 | 19.5 | 1.9 | 100 |
该表显示**之一部分占协方差的67.1％**。
当您添加第二个通道时，它**占协方差的98.1％。**第三部分没有提供太多额外的信息（1.9％），与主要部分1和2略有多余。
如何在遥感中使用PCA？¶
对三个波段进行主成分分析是有用的——我们发现第三个波段没有添加太多信息。
10波段（多光谱）栅格**呢？甚至是**100或200波段（高光谱）？
这就是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，那么只需要使用这三个主成分。对于陆地覆盖物分类，与所有10个波段相比，使用三个波段要容易得多。
总之，PCA识别多个通道上的重复数据，减少冗余，加快处理时间。这是**主成分分析图像处理**。
接下来是什么？¶
在处理高度相关的变量时，可以运行 主成分分析 看看是哪一个。
如果你测试过这个 主成分分析指南 ，尝试掌握这些其他空间统计指南：
来源：开源地理空间基金会中文分会
来源链接：https://www.osgeo.cn/post/1f216
本站声明:网站内容来源于 *** ,如有侵权,请联系我们,我们将及时处理。
