第一次跑高光谱数据结果

1、所用数据集 Bostwana、Indian Pines,所用算法 SVM

2、数据分析，高光谱数据维数高、信息量大、冗余信息多，这些先都不考虑，先输入SVM数据再考虑

3、试验流程 

①、加载数据，包括Data和label

②、数据预处理，归一化，我用的是最简单的 （x - min）/ max - min ，在每一维数据应用

③、选取训练样本，我用的是均衡选样，即每一类数据选取10%

④、训练SVM，我用的是c,g模式

⑤、分类，得到分类正确率，Kappa系数，分类结果图

4、实验结果

①、Bostwana

正确率：90.5172%

Kappa系数：0.8972

分类结果图：

②、Indian Pines

正确率：82.7788%

Kappa系数：0.8082

分类结果图：

5、分析

①、高光谱数据波段多，首先应该降维，可以用PCA等转换降维或者选择波段子集降维

②、高光谱数据是否需要降维，需要进一步研究

③、高光谱数据源数据值一般较大，但是变化性不大，如下所示，对于单维数据（单波段）肯定是归一化处理后更有利于分类，但是波段之间都有联系的，这种形式的归一化操作会破坏这种联系；如果对所有维（所有波段）数据进行归一化操作，在之前的经验中貌似效果并不好。。。如何找到一种更合理的归一化方式？？？

④、如何更有效地利用高光谱的物理特征

⑤、找到一个模型，可以兼顾物理特征和统计特征