确定选择特征的算法有哪些？

对于高光谱遥感图像来说，波段数往往很多，要从n个特征找出具有m个特征的最优子集并不是一件容易的事。因此怎样找一个较好的算法，以便在较短的时间内找出最优的那一组特征 ,也是一个很重要的问题。归纳起来，选择特征的算法有四种。

(1)单独选择法

根据可分性准则函数计算每一个特征的可分性,然后根据各个特征的可分效性大小排序，选择可分性最大的前m个特征。

(2)扩充最优特征子集

这种方法的基本步骤是:第一，根据类别可分性准则函数计算每一个特征对于所有类别的可分性，选择可分性最大的那一个特征进入最优特征子集;第二，增加一个特征，与最优特征子集中的特征形成新的组合,并计算新的特征组合的可分性，选择可分性最大的特征组合作为新的最优特征子集;第三,重复执行第二步,直到最优特征子集中的特征数达到m个为止。

(3)根据分类贡献度进行由大到小的特征排序

这种方法的基本步骤是:第一，根据类别可分性函数计算每一个类对的可分性,找出最难分的类对:第二，计算各个特征对于最难分的类对的可分性，挑选可分性最大的特征进入最优特征子集:第三，增加一个特征，与最优特征子集中的特征形成新的组合,并计算新的特征组合对于最难分的类对的可分性，选择可分性最大的特征组合作为新的最优特征子集;第四，重复执行第三步,直到最优特征子集中的特征数达到m个为止。

(4)根据分类贡献度进行由小到大的特征去除

这种方法的基本步骤是:第一,根据类别可分性函数计算每一个类对的可分性，找出最难分的类对;第二,计算各个特征对于最难分的类对的可分性，去掉可分性最小的特征，剩下的特征作为最优特征子集;第三，从最优特征子集任意减少一个特征,作为新的特征组合,并计算新的特征组合对于最难分的类对的可分性，选择可分性最大的特征组合作为新的最优特征子集;第四,重复执行第三步，直到最优特征子集中的特征数达到m个为止。