2025年测绘师高光谱数据降维与特征提取（PCA,MNF）专题试卷及解析-多项选择题.pdfVIP

2025年测绘师高光谱数据降维与特征提取（PCA,MNF）专题试卷及解析多项选择题1

2025年测绘师高光谱数据降维与特征提取（PCA,MNF）

专题试卷及解析多项选择题

第二部分：多项选择题（共10题，每题2分）

1、关于高光谱数据的特点，以下哪些描述是正确的？

A、高光谱数据具有高维特性，通常包含数百个连续的波段

B、高光谱数据波段之间存在高度相关性

C、高光谱数据的空间分辨率通常高于多光谱数据

D、高光谱数据的每个像元可以提供近似连续的光谱曲线

E、高光谱数据不存在”休斯现象”，即维度增加不会导致分类精度下降

【答案】A、B、D

【解析】A选项正确，高光谱数据通常包含数百个连续且窄的波段，具有高维特性；

B选项正确，由于波段间隔小，相邻波段之间存在高度相关性；D选项正确，高光谱数

据的每个像元可以提供近似连续的光谱曲线，这是其与多光谱数据的重要区别。C选项

错误，高光谱数据的空间分辨率不一定高于多光谱数据，两者没有必然联系；E选项错

误，高光谱数据存在”休斯现象”，即当样本数量有限时，维度增加会导致分类精度下降。

知识点：高光谱数据的基本特性。易错点：容易混淆高光谱与多光谱数据的空间分辨率

关系，以及忽视”休斯现象”的存在。

2、关于主成分分析(PCA)在高光谱数据降维中的应用，以下哪些说法是正确的？

A、PCA是一种线性降维方法，能够保持数据的主要信息

B、PCA通过正交变换将原始数据转换为一组线性不相关的变量

C、PCA降维后的各主成分之间仍然存在相关性

D、PCA降维后的前几个主成分通常包含数据的大部分方差信息

E、PCA能够有效去除高光谱数据中的噪声

【答案】A、B、D

【解析】A选项正确，PCA是一种线性降维方法，通过保留主要成分来保持数据的

主要信息；B选项正确，PCA通过正交变换将原始数据转换为一组线性不相关的变量，

即主成分；D选项正确，PCA降维后的前几个主成分通常包含数据的大部分方差信息，

这是PCA降维的基本原理。C选项错误，PCA降维后的各主成分之间是正交的，不存

在相关性；E选项错误，PCA本身不能有效去除噪声，虽然噪声通常集中在后面的主

成分中，但PCA不是专门为去噪设计的方法。知识点：PCA的基本原理及其在高光谱

数据降维中的应用。易错点：容易误认为PCA能直接去除噪声，以及混淆主成分之间

的相关性。

3、关于最小噪声分离(MNF)变换，以下哪些描述是正确的？

A、MNF变换是一种基于信噪比的高光谱数据降维方法

2025年测绘师高光谱数据降维与特征提取（PCA,MNF）专题试卷及解析多项选择题2

B、MNF变换首先对数据进行噪声白化处理

C、MNF变换的结果中，前面的分量包含较高的信噪比

D、MNF变换与PCA变换完全相同，只是名称不同

E、MNF变换能够有效分离高光谱数据中的信号和噪声

【答案】A、B、C、E

【解析】A选项正确，MNF变换是一种基于信噪比的高光谱数据降维方法，它考虑

了数据的噪声特性；B选项正确，MNF变换首先对数据进行噪声白化处理，使噪声协

方差矩阵变为单位矩阵；C选项正确，MNF变换的结果中，前面的分量包含较高的信

噪比，后面的分量主要包含噪声；E选项正确，MNF变换能够有效分离高光谱数据中

的信号和噪声，这是其相对于PCA的优势。D选项错误，MNF变换与PCA变换不

同，PCA仅考虑数据的方差，而MNF考虑了信噪比。知识点：MNF变换的基本原理

和特点。易错点：容易混淆MNF和PCA的区别，以及不理解MNF变换中噪声白化

处理的重要性。

4、在高光谱数据降维过程中，以下哪些因素会影响PCA降维的效果？

A、原始数据的波段数量

B、原始数据中噪声的水平

C、原始数据的光谱分辨率

D、原始数据的空间分辨率

E、原始数据中地物的分布情况

【答案】A、B、E

【解析】A选项正确，原始数据的波段数量直接影响PCA的计算复杂度和降维效

果；B选项正确，原始数据中噪声的水平会影响PCA主成分的分布，噪声通常集中在

后面的主成分中；E选项正确，原始数据中地物的分布情况会影响数据的方差分布，进

而影响PCA降维效果。C