高先谱监督特征提取方法进展

监督特征提取方法主要依赖带标签的样本推断类的可分性。费希尔线性判别分析（FLDA,Fisher linear analysis）和非参数加权特征提取（N-PWFE,non-parametric weighted festure extraction）是2个典型的监督特征提取方法，在高光谱遥感图像监督特征提取中被广泛使用。但是，对于小样本问题，FLDA 容易造成维数灾难，即类间教布矩阵存在奇异性的问题。而N~PWFE在每个样本上设置不同的权值来计算加权平均，然后利用样本与加权平均之间的距离表示它们到边界的接近程度，缓解了类内散布矩阵奇异性的问题。在实际应用中，随着训练样本数量的增加，N-PWFE方法比FLDA方法消耗更多的计算时间。当只有少量带标签的样本可用时，监督特征提取方法的性能会受到较大的影响，易造成过拟合现象。因此，研究者又提出了FLDA和N-PWFE的扩展方法，如修正的费希尔线性判别分析( M-FLDA，modified Fisher linear discriminant analysis )和正则线性判别分析( RLDA，regularized linear discriminant analysis)。