海量光谱数据降维方法的研究与应用

发布时间：2017-12-12 11:39

本文关键词：海量光谱数据降维方法的研究与应用

【摘要】：在各大天文台的巡天观测中,每次观测都能获得各类型的海量高维光谱数据,把这些海量的光谱数据处理之后,要进行的下一步工作就是根据光谱数据信息把对应的天体进行分类,比如说把天体分类为恒星、星系、类星体。用人工为主的光谱分类方法来处理这些海量的高维光谱数据已经远远满足不了快速分类的需求,所以说快速而且准确的自动分类处理方法的研究是比较重要并且迫切的。如果直接使用自动的光谱分类算法对高维光谱数据做分类处理,会遇到很多问题。首先,光谱数据高维度的特征会带来所谓的“维数灾难”,并且要花费我们无法承受的时间和巨大的空间去处理这些高维度的海量光谱数据,其次最即使通过流量标准化、去噪、校正、连续谱归一化、剔除离群点等等的预处理之后的光谱数据可能仍然不能最好的去表示对应天体的类别特征。为了最大程度上解决上面的两个问题对天体分类造成的影响需要再进行一步很重要的工作就是光谱数据的降维处理。光谱数据的降维处理不仅能够降低数据维度,缩小问题规模,同时还可以有效的去除或者减少与天体分类无关的信息。这样在减少了处理问题所需的时间和空间的同时,还能使分类处理更高效准确。论文的主要工作是围绕高维光谱数据降维方法的研究展开的,包括： 1)研究了降维方法及其应用,把一种新的降维方法应用到光谱数据降维领域,并取得了很好的效果,这种降维方法树立了自己的一个降维标准,即保证降维前后数据集的雷尼熵的不变性,这样就能够保证了数据集和雷尼熵相关的结构的不变性。 2)研究了多种分类方法,并用支持向量机来设计分类器,分别对降维到3、6、12、24、48、96维的光谱数据进行分类,验证所采用的降维方法的效果。 3)利用主成分分析、核主成分分析以及核熵成分分析三种降维方法和支持向量机分类方法构造了自动化的光谱分类识别方法。
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P114.1;TP391.4

【参考文献】

中国期刊全文数据库前10条

1 张怀福;赵瑞珍;罗阿理;;基于小波包与支撑矢量机的天体光谱自动分类方法[J];北京交通大学学报;2008年02期

2 刘蓉,段福庆,刘三阳,吴福朝;基于小波特征的星系光谱分类[J];电子学报;2005年11期

3 覃冬梅,胡占义,赵永恒;基于支撑矢量机的天体光谱自动分类方法[J];光谱学与光谱分析;2004年04期

4 李乡儒;胡占义;赵永恒;;基于Fisher判别分析的有监督特征提取和星系光谱分类[J];光谱学与光谱分析;2007年09期

5 刘蓉;靳红梅;段福庆;;基于Bayes决策的光谱分类[J];光谱学与光谱分析;2010年03期

6 骆媛;王岭雪;金伟其;;独立成分分析及其在图像处理中的应用[J];光学技术;2012年05期

7 刘杰;潘景昌;刘猛;韦鹏;罗阿理;;恒星光谱参数自动测量中不同模板匹配度量方法比较[J];光谱学与光谱分析;2013年02期

8 彭中亚;程国建;;基于独立成分分析和核向量机的人脸识别[J];计算机工程;2010年07期

9 张琳;陈燕;李桃迎;牟向伟;;决策树分类算法研究[J];计算机工程;2011年13期

10 杨金福;吴福朝;罗阿理;赵永恒;;基于覆盖算法的天体光谱自动分类[J];模式识别与人工智能;2006年03期