本文選題：近紅外光譜 + 主成分分析��； 參考：《光譜學(xué)與光譜分析》2017年11期

【摘要】：近紅外光譜技術(shù)在遙感監(jiān)測(cè)領(lǐng)域中應(yīng)用廣泛,針對(duì)典型地面目標(biāo)物遙感監(jiān)測(cè)識(shí)別需要,提出了光譜主成分分析(PCA)與模糊聚類結(jié)合的分類識(shí)別方法,提高了識(shí)別算法效率及準(zhǔn)確性。以四類典型地面目標(biāo)物作為研究對(duì)象,分別測(cè)量其在1 100~2 500nm范圍內(nèi)漫反射光譜,首先對(duì)漫反射光譜進(jìn)行主成分分析,得到代表光譜特征的主成分分量,然后將其作為模糊聚類分析模型輸入?yún)?shù),計(jì)算樣品主成分集合之間貼合度,最后利用擇近原則對(duì)樣品進(jìn)行匹配分類。結(jié)果表明,主成分分析可以有效提取光譜特征并且降低數(shù)據(jù)維度,結(jié)合基于擇近原則的模糊分類方法,可有效提高算法準(zhǔn)確性與效率,為遙感光譜在地面目標(biāo)物識(shí)別應(yīng)用提供了有益的參考。
[Abstract]:Near-infrared spectroscopy (NIR) is widely used in the field of remote sensing monitoring. Aiming at the need of remote sensing monitoring and recognition of typical ground objects, a classification and recognition method combining spectral principal component analysis (PCA) and fuzzy clustering is proposed. The efficiency and accuracy of the recognition algorithm are improved. The diffuse reflectance spectra of four typical ground objects were measured in the range of 1 100 ~ 2 500nm. The principal components representing the spectral characteristics were obtained by principal component analysis (PCA). Then it is used as the input parameter of the fuzzy cluster analysis model to calculate the sticker degree between the principal components of the samples. Finally, the matching classification of samples is carried out by using the principle of proximity selection. The results show that principal component analysis can effectively extract spectral features and reduce the data dimension. Combining with the fuzzy classification method based on the principle of selection and proximity, the accuracy and efficiency of the algorithm can be improved effectively. It provides a useful reference for the application of remote sensing spectrum in target recognition on the ground.
【作者單位】： 天津大學(xué)精密測(cè)試技術(shù)及儀器國(guó)家重點(diǎn)實(shí)驗(yàn)室;天津大學(xué)精密儀器與光電子工程學(xué)院;
【基金】：國(guó)家(863)高技術(shù)研究發(fā)展計(jì)劃(2012AA022602) 國(guó)家自然科學(xué)基金項(xiàng)目(81401454,81471698) 中國(guó)博士后科學(xué)基金項(xiàng)目(2013M541174) 中國(guó)博士后國(guó)際交流計(jì)劃(20140066) 天津市應(yīng)用基礎(chǔ)與前沿技術(shù)研究計(jì)劃(16JCZDJC31200)資助
【分類號(hào)】：O657.3;P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 顧紹紅;王永生;王光霞;;主成分分析模型在數(shù)據(jù)處理中的應(yīng)用[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2007年05期

2 宋傳峰;秘金鐘;黨亞民;;主成分分析在GPS水準(zhǔn)數(shù)據(jù)處理中的應(yīng)用[J];測(cè)繪科學(xué);2014年06期

3 蘇睿先;;主成分分析法在高校地理教學(xué)評(píng)價(jià)中的應(yīng)用[J];天津師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年03期

4 劉慕溪;;主成分分析在GPS噪聲剔除中的應(yīng)用分析[J];江西科學(xué);2014年02期

5 東啟亮;林輝;孫華;臧卓;胡佳;范應(yīng)龍;;獨(dú)立分量分析與主成分分析方法的濕地遙感分類精度對(duì)比——以西洞庭湖濕地為例[J];濕地科學(xué);2014年03期

6 樊旭艷;付春龍;石繼海;武麗娟;;基于主成分分析的遙感圖像模擬真彩色融合法[J];測(cè)繪科學(xué)技術(shù)學(xué)報(bào);2006年04期

7 何堯啟;主成分分析在喀斯特土壤環(huán)境退化研究中的初步運(yùn)用——以貴州麻山地區(qū)紫云縣宗地鄉(xiāng)為例[J];貴州師范大學(xué)學(xué)報(bào)(自然科學(xué)版);1999年01期

8 郝天平;張洋;王志龍;;基于GIS的土地節(jié)約集約利用評(píng)價(jià)研究[J];河北工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

9 鄧勇;張正祿;謝年生;呂耕超;;模糊聚類及其在滑坡監(jiān)測(cè)中的應(yīng)用研究[J];測(cè)繪科學(xué);2010年04期

10 劉蘭芳;唐麗亞;;基于GIS和SPSS的亞熱帶稻區(qū)抗旱能力評(píng)價(jià)——以湖南省衡陽(yáng)市為例[J];中國(guó)農(nóng)村水利水電;2013年03期

相關(guān)會(huì)議論文 前2條

1 張海偉;千懷遂;;基于GIS和主成分分析的生態(tài)脆弱性評(píng)價(jià)[A];發(fā)揮資源科技優(yōu)勢(shì) 保障西部創(chuàng)新發(fā)展——中國(guó)自然資源學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2011年

2 許金輝;葛淼;何進(jìn)偉;薛然尹;楊紹芳;姜吉琳;;不同地理環(huán)境條件下健康人左室Tei指數(shù)研究[A];2014中國(guó)環(huán)境科學(xué)學(xué)會(huì)學(xué)術(shù)年會(huì)（第三章）[C];2014年

相關(guān)碩士學(xué)位論文 前1條

1 張歡;基于AWTP指數(shù)空間模糊聚類的遼寧省干旱時(shí)空分布研究[D];遼寧師范大學(xué);2014年

，

本文編號(hào)：2049043