第4章-1高光谱数据降维与可分性准则.pptVIP

* * * * * * * * * * 降维后得到的低维特征空间是否有效进行类别区分？ * * * * * * * * * * * * * * * 第i类样本均值 总体样本均值 每一类只有一个代表 B.类间离差矩阵 3.2几何距离可分性准则原理 7.多类情况离差矩阵 三、基于几何距离的可分性准则 * 任一样本 实质是样本总体的协方差矩阵 不涉及类的概念 总体样本均值 C.总体离差矩阵 3.2几何距离可分性准则原理 7.多类情况离差矩阵 三、基于几何距离的可分性准则 基于几何距离的可分性准则 ----归一化均值距离 特点：光谱可分性准则同时考虑了类间距离和类内方差 归一化均值距离（normalized distance between the means）表达式： 平均距离增加 类均值相等 分布离散度增加 * 点与点的距离 点到点集 类内的均值矢量 类内距离 类内均方距离 类内离差矩阵 总体的均值矢量 两类之间的距离 总体离差矩阵 各类模式之间总的均方距离 如何通过几何距离衡量可分性？ 三、基于几何距离的可分性准则 3.3判据构造 1.离差矩阵分析 * 样本的散布程度 样本越分散 矩阵数值越大 类的内部越紧密越好 类之间越分散越好 降维方案1 降维方案2 样本的类别信息已知 越小越好 越大越好 情况复杂 三、基于几何距离的可分性准则 3.3判据构造 1.离差矩阵