《表1 PCA和PCA＿ScatterMatrix方法在数据集2上获得最高分类正确率时所选取的主成分序号》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《AVIRIS高光谱数据空-谱特征在植被分类中的对比分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表2给出了在数据集2上PCA、ICA、LDA和提出的PCA＿ScatterMatrix方法在取得最高总体分类正确率情况下的生产者精度和Kappa系数。从表2可以看出PCA＿ScatterMatrix方法的总体分类正确率与PCA方法相比提高了2.5%，与ICA方法相比提高了3.8%，与LDA方法相比提高了4.1%。结果表明PCA＿ScatterMatrix方法能提高原始PCA方法的总体分类正确率，同时也间接地表明改进的基于分散矩阵的特征选择方法能够较好地选择出有效的特征便于后续的分类。