[发明专利]一种小样本高光谱图像蒙特卡罗特征降维方法

权利要求书

1.一种小样本高光谱图像蒙特卡罗特征降维方法，包括下列步骤：

步骤1：蒙特卡罗特征降维算法特征参量的选取；

步骤2：蒙特卡罗特征降维算法随机数的生成；

步骤3：蒙特卡罗特征参量的统计估计；

其特征是：

所述步骤1包括下列步骤：

（1）在当前样本标号下计算每个特征波段的类内紧密性系数；

（2）在当前样本标号下计算每个特征波段的类间分离性系数；

（3）设定类内紧性与类间分离性调节因子α，即当α＝0时，类内紧性与类间分离性系数完全由类间分离性系数决定，当α＝1时，类内紧性与类间分离性系数完全由类内紧密性系数决定；

（4）计算每个特征波段的类内紧性与类间分离性系数；

所述步骤2包括下列步骤：

（1）利用Logistic迭代方程产生大量的随机数；

（2）Logistic迭代方程产生的随机数的取值范围是[0,1]，需要将迭代方程产生的随机数进行数字化处理；

（3）将数字化处理后的随机数用于样本序号的抽取与排序，产生大量的蒙特卡罗随机实验，用于特征选取；

所述步骤3包括下列步骤：

（1）根据选取的特征参量计算方法，计算每个特征波段在原始样本标号下的特征参量值；

（2）利用蒙特卡罗方法产生的随机数，对原样本标号进行随机抽取与排序，生成具有随机性的样本标号，在新的样本标号下，计算原样本的特征参量；

（3）将样本在原始样本标号下计算得到的特征参量，与样本在大量随机标号下计算得到的特征参量作为统计估计的输入，得到蒙特卡罗降维方法的最优降维维数，选择出原始样本中的重要特征波段。