在Pavia University数据中选取100×100大小的影像和参考数据,选取30个样本作为训练样本,基于随机森林进行分类
library("R.matlab")
library("yaImpute")
library("randomForest")
PATH <- getwd();
setwd(PATH)
# 定义样本数量
Trainnum <- 30
drow <- 100
dcol <- 100
ddim1 <- 103
# 读入高光谱特征数据
pathname1 <- file.path('Data','pavia_univ.mat')
pathname2 <- file.path('Data','pavia_ugt.mat')
pavia_uni_fea <- readMat(pathname1)
pavia_uni_gt <- readMat(pathname2)
# 将list 转为矩阵
pavia_uni_fea <- array(do.call(cbind, pavia_uni_fea),dim = c(10000,ddim1))
# 对影像数据进行pca降维
pavia_uni_fea.pr <- princomp(pavia_uni_fea, scores=T, cor = TRUE)
plot(pavia_uni_fea.pr,type="line")
pca_data <- predict(pavia_uni_fea.pr)
ddim <- 10
pavia_uni_fea <- array(pca_data[,1:ddim], dim = c(100,100,ddim))
# 将参考数据展示出来
pavia_uni_gt <- array(do.call(cbind, pavia_uni_gt ),dim = c(100,100))
image(pavia_uni_gt, col