[发明专利]一种基于降维与聚类的高光谱样本选择方法

摘要

本发明涉及拉曼光谱定量分析领域，具体地来讲为一种基于聚类的高光谱样本选择方法。该方法包括：将原始高光谱数据集标准化处理为标准化数据集；对标准化数据集降维得到联合代表空间；对获得的联合代表空间聚类得到聚类簇；从聚类簇中按最大最小距离选取样本组成训练集，其余剩下的样本组成测试集。本发明能够根据实际情况权衡样本光谱空间与样本标签之间的权重，经选择得到训练集与测试集在样本空间中均匀分布，对奇异值不敏感，具有较强代表性，且相比于先前方法建模精度与稳定性显著提高。

主权项

1.一种基于降维与聚类的高光谱样本选择方法，其特征在于，该方法包括：步骤1，将原始高光谱数据集标准化处理为标准化数据集；步骤2，对标准化数据集降维得到联合代表空间；步骤3，对获得的联合代表空间聚类得到聚类簇；步骤4，从聚类簇中按最大最小距离选取样本组成训练集，其余剩下的样本组成测试集；所述步骤2中包括：采用主成分分析的方法，计算标准化数据集的相关系数矩阵，根据累计贡献率确定m值，计算标准化数据集的主成分矩阵；将代表高光谱样本空间的主成分矩阵、权重矩阵与样本标签信息联合，获得联合代表空间；所述步骤2中采用主成分分析的方法，计算标准化数据集的相关系数矩阵，根据累计贡献率确定m值，计算标准化数据集的主成分矩阵包括：计算相关系数矩阵R＝X^TX/(n‑1)，求解相关系数矩阵R的特征方程|R‑λI_p|＝0获得p个特征值；其中X为标准化数据集，n为样本个数；其中m表示从p个特征值中根据累计贡献率选取的特征值的个数，λ为矩阵的特征值，I_p为单位矩阵。