邏輯回歸法在遙感數(shù)據(jù)特征選擇和分類中的應用

1、邏輯回歸法在遙感數(shù)據(jù)特征選擇和分類中的應用邏輯回歸法在遙感數(shù)據(jù)特征選擇和分類中的應用特征選擇軟分類邏輯回歸(LR)線性判別分析(LDA)1引言高光譜技術的發(fā)展為人們提供了細致豐富的地物光譜信息，但同時也為遙感數(shù)據(jù)的處理提出了新的難題。如果仍然沿用傳統(tǒng)的多光譜分析方法，不僅計算量迅速增加，而且往往無法獲得理想的處理結果。并且，波段數(shù)過多也引起了Hughes現(xiàn)象。即樣本數(shù)有限時，分類性能不會隨著特征維數(shù)的增加不斷提高，而是存在一個最優(yōu)維數(shù)。

2、所以利用高光譜段間存在大量冗余的特點進行降維處理，針對應用目的獲取有效特征，降低計算量，是解決高維數(shù)據(jù)問題的重要方法之一。數(shù)據(jù)降維可通過特征提取和特征選擇來實現(xiàn)。在高光譜數(shù)據(jù)處理中則對應波段提取和波段選擇[1]。波段提取通過高維向低維的投影變換實現(xiàn)降維，該投影應盡量保留有用信息；波段選擇則是根據(jù)搜索策略在原始波段空間尋找滿足某準則函數(shù)的波段子集來達到目的。嚴格說來，波段選擇是波段提取的特例，但與波段提取不同的是它不進行投影變換，保持了原

3、始波段的物理含義，展現(xiàn)了地物的光譜特性，而這些往往更令領域專家感興趣[2]。波段選擇的一般思路是是將其作為最優(yōu)特征子集選擇問題，根據(jù)選擇準則進行全局分類規(guī)則為：對于所有可能的類；，有，則像元屬于類?？偟恼f來，特征選擇的原則是：（1）此特征可以幫助分類；（2）不與其他任何參與分類的特征相關。則所選擇的波段可以盡量大的體現(xiàn)所有波段的效用。一般的LR法為二類評定的回歸分析。與一般的LR法不同，在此我們所分的類別數(shù)大于2并且這些類之間沒有次序之