54、降维技术与墨西哥下加利福尼亚州远程医疗系统研究

降维技术与墨西哥下加利福尼亚州远程医疗系统研究

降维技术实验研究

在处理高光谱图像数据时，降维技术（DR）与分类器的选择对分类准确性有着至关重要的影响。本研究选取了ROSIS帕维亚市中心和ROSIS帕维亚大学两个数据集进行实验。

1. 实验流程
   • 数据清洗 ：将两个数据集尽可能地将每个类别减少到1000个项目，由于ROSIS帕维亚大学数据集中的阴影类仅包含947个项目，所以保持每个类别的项目数量相似以减少偏差。这些数据点是从可用点中随机选择的。
   • 数据集划分 ：将数据集按90%训练和10%测试的比例进行划分，并且随机选择数据点。
   • 降维处理 ：对于每种DR技术，将数据集的维度从1降低到25。
   • 模型训练与测试 ：对于每个维度，训练4种分类器，并在相关的测试数据集上测试训练好的分类器的准确性和类可分离性。这个过程重复5次以生成平均值。
   • 创建多分类器系统（MCS） ：找到每个数据集的最佳DR技术和分类器对，并根据准确性和类可分离性标准重复此过程。然后使用6种组合技术将这些对组合起来，并记录每个数据集的组合结果。

graph LR
    classDef process fill:#E5F6FF,stroke:#7