基于主成分融合的盐田水体遥感分类研究

以连云港台北盐场为例，分析了盐田内各类实测的地物光谱特征；对2000年的遥感影像数据(ETM影像)进行大气校正和几何校正；再利用主成分融合技术，将多波段的ETM影像与对应的全色波段影像进行主成分融合，在此基础上进行盐田水体分类．实验表明，该方法的结果分类精度较高，与实地调查结果基本相符，且现场调查工作量大大减少．     

基于IHS变换和主成分变换的遥感影像融合

针对IHS变换融合影像时存在较严重的光谱失真现象,利用主成分变换对IHS变换法进行了改进.新方法首先对多光谱影像做IHS变换得到亮度I,色度H,饱和度S三个分量,然后用I分量和高分辨率全色影像做主成分变换,并提取第一主分量,并以I为标准进行直方图匹配;将匹配后的影像与H,S进行IHS反变换得到新的多光谱图像.主观视觉分析和客观参数表明,该方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达.     

主成分法在土地利用分区中的应用研究

本文运用主成分分析模型.将南充地区的土地利用分为3个区,改进了传统的分区.     

遥感影像监督分类与非监督分类的比较

遥感影像的分类方法按照是否有先验类别可以分为监督分类和非监督分类,这两种分类法有着本质的区别但也存在一定的联系．从分类原理、分类过程、分类方法等不同角度分析了这两种方法的区别与联系,并展望了遥感影像分类的发展趋势与发展前景．     

光学遥感影像土地利用分类方法综述

土地是实现经济社会高质量发展的基础性资源,光学遥感影像以时间、空间、光谱等特有的优势为土地利用变化的发现、识别、分析提供了很好的支持,利用光学遥感技术提取土地利用变化信息已经成为重要的研究领域。论文以近年来土地利用分类相关文献为基础,分别从数据源、处理流程、处理精度、计算效率等角度对土地利用分类应用较为广泛的目视解译、监督分类、非监督分类、深度学习等四类方法进行了分析和总结。最后展望了光学遥感影像土地利用分类方法的发展方向     

基于Brovey融合的卫星影像土地覆盖变化检测

随着高空间分辨率卫星影像的发展,如ETM ,QuickBird,IKONOSE等高空间分辨率卫星,近20年来已相继开发了许多影像融合的方法,如HIS,PC,HPF,SFIM,SVR,Wavekt和Brovey等融合法．传统的影像融合是将时相相同或相近的影像进行融合,以提高影像的空间分辨率和光谱分辨率,提高影像的目视可解度和分类精度等．而本文却是对不同时相的影像进行融合,用Brovey融合法将不同时相的TM(1986年7月26日)和ETM (2000年5月4日)的Pan波段影像进行融合,再对融合后的影像采用无监督分类和PC2分析两种方法将两时相的土地覆盖变化区域提取出来．研究证明融合法能快速、简便、准确的检测出土地覆盖变化的区域。     

两种影像融合方法在分类中的应用与比较

随着遥感影像融合技术的应用越来越广泛，影像融合不仅要求能够提高空间分辨率，更重要的是保持原有影像的光谱信息，减少失真。文章以两种具有代表性的融合算法（IHS变换与主成分变换）在ETM＋影像中的分类应用为例，对两种算法的分类结果进行定性和定量的对比与分析。     

基于小波变换的遥感影像融合方法的比较分析

利用ETM+的全色和多光谱影像,对基于小波变换的常用几种影像融合方法进行了实验与分析,实验结果表明,基于小波变换和MNF变换的融合影像的光谱失真比较严重,基于小波变换和主成分变换的融合效果最好,其光谱保真效果最好。     

基于主成分分析和模糊聚类的水文分区

水文分区有各种方法,文章提出了集模糊聚类与主成分分析方法的各优点组合的水文分区方法,首先采用主成分分析法获得水文特性主成分属性,然后运用模糊聚类算法NFC(Net Fuzzy Cluster)进行模糊聚类.利用主成分分析法对分区指标进行降维处理,简化了计算.应用NFC模糊聚类,在一定程度上解决了FCM算法局部极值问题且具有良好的聚类性能,实现了聚类的科学化与自动化.对安徽省淮河流域的124 716个原始水文数据进行实验,结果表明,与传统分区方法相比,所提出的方法有效地改善了时间性能,提高了求解精度,所得结果为水文站网规划提供了理论依据.     

基于多尺度特征融合的遥感影像场景分类方法

针对遥感场景影像存在类间相似性高、类内多样性大、且不同尺度下遥感影像差异大等问题,导致场景分类任务精确度受限,提出一种基于多尺度特征融合的遥感影像场景分类算法。首先利用轻量级网络MobileNetV2作为主干网络,以更少的网络参数实现更高的分类准确率。网络通过一维卷积提升输入通道,设计的多尺度特征融合模块能够捕获遥感影像的高级特征和低级特征,融合影像的多尺度特征,能够有效缓解不同尺度下遥感影像差异大的问题。通过在三个公开遥感数据集上进行实验对比,验证了所提方法的有效性。     

利用主成分分析法提取水体信息

以陕北农牧交错带为试验区,采用主成分分析法对TM图像进行增强,然后应用最大似然分类法提取水体信息,并将提取的结果与单纯依靠最大似然分类法得到的结果进行了对比.试验结果表明,主成分分析法应用于水体信息提取中,可明显增强水体光谱特征,主成分分析法与最大似然分类法结合得到的提取精度高于直接采用最大释然分类法提取的精度.     

基于主成分分析的住宅项目特征定价模型

讨论了房地产特征价格模型在确定新建住宅项目单位销售均价中的应用,针对应用中出现的样本少、部分特征因素间存在相关性的问题,将主成分分析运用于房地产特征价格模型,建立了基于特征因素主成分分析的住宅项目特征定价模型．通过案例,分析了特征隐含价格的经济意义与作用,利用所建模型较准确地确定新建住宅项目的单位销售均价。     

主成分分析法在高校地理教学评价中的应用

借助主成分分析方法，对初选的52项地理教学评价指标，根据初始量表中学生做出的重要性选择进行筛选，应用SPSS统计软件归纳出5个一级指标，制定评价量表，利用该量表在成果检验中发现试评结果具有很好的信度和效度，证明了量表有较高质量，可以应用于高校地理教学评价，为教学管理提供科学依据，使教学评价更好地起到促进教学质量提高的作用．     

基于主成分分析法的我国商业银行系统性风险的度量

运用主成分分析法选取2007年第4季度到2013年第1季度的我国14家上市商业银行的季度净资产收益率作为研究对象,度量了我国商业银行系统性风险.度量结果发现,金融危机过后,我国银行系统性风险在高位运行,由于我国立即采取了应对措施,2009年第3季度后其系统性风险有所降低.但是从2010年至今,银行系统性风险仍在震动中微弱上升.     

基于主成分聚类法的福建城镇化水平的测度

基于城镇化的内涵,本文从城镇发展、经济发展、服务功能三个维度建立城镇化发展的指标体系．针对目前测度的方法所存在的问题,本文采用主成分聚类法来测度城镇化水平,通过研究福建省九个地级市的城镇化发展水平,得出此方法对于解决综合测度问题是合理的和可行的,最后对城镇化水平的排名的合理性进行了简单分析,并提出加快推进福建城镇化水平的对策与建议.     

随机森林的融合模型在压井方法分类中的研究

针对井口压力控制作业中传统方法过度依赖专家经验和数学模型运算精度的问题,提出一种基于随机森林(Random Forest,RF)的多模型融合算法对压井方式进行分类判断。首先,将专家经验结构化、数据化,转化成可被机器学习模型使用的数据形式,同时,结合油气井的基础数据和工况参数,作为智能模型的重要参数来描述压井作业的特征空间;然后,将特征数据通过特征工程进行特征筛选、特征编码和特征选择等处理;最后,构建出基于随机森林的Stacking双层融合模型,实现压井方法的分类预测。通过实验验证,与单模型的机器学习算法相比,本方法具有更高的预测精度。     

主成分回归分析在收入分配中的应用

采用主成分回归分析的方法,对贵州省城乡居民收入差距作实证分析。依据1979～2008年的数据,选取贵州省城乡居民的收入、消费、人口、教育、农业等几大方面的相关指标。实证结果显示,不论是从定性角度还是从定量角度分析,贵州省城乡居民收入差距都呈现增长趋势。     

基于主成份分析的河南省城市竞争力评价研究

根据城市竞争力的涵义,选取河南省18个城市的17项指标构建城市竞争力评价体系,利用SPSS15.0进行主成份分析和聚类分析,得到河南省各城市的竞争力得分及分类.研究结果表明,河南省各城市之间的竞争力差异较大,中原城市群和豫北地区发展水平较高,豫西南和黄淮地区较为落后.并针对各类城市所处的发展阶段与特点,提出了全面提高竞...