主成分变换和MNF变换.pptVIP

下载本文档

0
0
约小于1千字
约 24页
2024-10-18 发布于广东
举报
版权申诉

主成分变换和MNF变换.ppt

1、本文档共24页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

**主成分变换和MNF变换耿修瑞中科院电子所几种空间介绍几个基本的统计概念主成分变换MNF变换提要三类基本空间图像空间光谱空间特征空间另外一个很重要的空间样本空间一个问题正方形内,均匀分布的散点,信息量最大的方向是什么?几个基本统计概念均值:方差:标准差:协方差:相关系数:几个基本统计概念协方差矩阵:相关系数矩阵:协方差矩阵计算的两种方法基于光谱的基于图象的PCA算法描述PCAPCA上面的过程得到了图象协方差矩阵所有的特征值和特征向量,图象在所有相应特征向量方向的投影就称之为主成分变换.PCA的特点主成分是原变量的线性组合各个主成分之间互不相关主成分按照方差从大到小依次排列,第一主成分对应最大方差(特征值)每个主成分的均值为0,方差为协方差矩阵对应特征值方差大代表信息量多,方差小代表信息量少.PCA的几个例子模拟数据(随机生成不同形状数据)图象数据(特征值曲线,信息的认识(分布结构)信息量的认识,最大最小主成分)PCA:几个问题PCA是正交变换么?为什么?PCA可以保持图象在特征空间的结构么?为什么?PCA会造成数据信息损失么?协方差矩阵的性质和含义?PCA变换矩阵的含义?PCA在遥感图象处理中的问题?(噪声,演示)MNF算法描述MNF将上述变换矩阵作用于图象即为MNF变换.注:MNF算子为的特征向量矩阵**