森林生物量遥感估测模型构建中的特征选择方法对比研究

发布时间：2021-12-02 18:06

　　在森林生物量定量遥感领域,一个越来越突出的现象是解释变量越来越多,如何有效地选择解释变量成了一个重要的问题。线性回归模型是常用的遥感模型之一,在线性回归模型建立过程中一个非常重要的步骤是选择解释变量。本文针对亚热带森林生物量遥感估测模型构建中的变量选择、模型稳定性等问题,对SR（Stepwise Regression Method）、BIC准则（Criterions Based on The Bayes Method）、AIC准则（Criterions Based on Information Theory）、Cp准则（Criterions Based on Prediction Error）、LASSO（Least Absolute Shrinkage and Selection Operator）、ADALASSO（Adaptive Lasso）、SCAD（Smoothly Clipped Absolute Deviation）、NNG（Non-negative garrote）等8种具有变量选择能力的方法重点进行了对比研究,出于比较的目的,将OLS、RR这2个一般认为不具有变量选... 

【文章来源】：浙江农林大学浙江省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

研究区地理位置

图 3.1 残差的正态分布检验Figure 3.1 Normal distribution test of residuals3.4 自变量共线性检验对于一个预测模型而言，当数据集有微小的扰动时，我们希望模型保持稳定性即模型的输出变化非常微小；如果模型因数据集的变化而输出变化非常大，那么这模型的预测能力就无效。在矩阵的计算中，称之为矩阵的扰动分析。设非奇异方阵 A 满足方程：Ax y (3它的精确解为$ x$ ，当 A 存在小的扰动时，假设 $\ hat x $是新方程的解：( A A) x y(3

4.2.4 SCADFan 和 Li 提出了 SCAD（Smoothly Clipped Absolute Deviation）方法，并证明其具有 Oracle 性质，对 Lasso 法进行了改进[90]。其惩罚函数定义为：2 22| | 0 | |(| |) (| | 2 | | ) / (2 2) | |( 1) / 2 | |j jj j jja a aa a (4.9)其中， 0和 a >2均为调整参数。与前面 3 个方法不同，这里有两个参数需要确定。在 Fan 和 Li 的文献中对 a 进行了讨论，他们采用的 a 为 3.7，且他们认为 a 值比较固定。本文用全部 802 个样地的数据进行了试验，结果见图 4.1。a 值从 1.0 试验到 5.0，其中从 3.0 开始步长为 0.1。图 4.1 中纵坐标为预测误差，是在固定 a 的基础上搜素最佳的 获得的。从数字和曲线均能看出，a 取 3.7 是最佳的。本文在后续研究中 a 值固定取 3.7。


本文编号：3528919