特征降维方法

对特征进行优化选择即‘降维’处理时既要压缩波段同时尽可能保留信息。‘降维’主要有两种方式，一是保留原有波段的实际意义，从众多波段中挑选相关波段，即波段选择技术；二是波段融合，利用所有波段通过数学变换来压缩，对光谱各个波段的特征进行提取。

特征选择与特征提取（降维）的区别
1、相同点与不同点
相同点：特征选择和特征提取二者达成的效果相似，都是试图减少数据集中属性（特征）的数量，找出最有效（同类样本的不变性、不同样本的鉴别性、对噪声的鲁棒性）的特征。
不同点：特征提取（降维）主要通过属性间的关系，通过组合原有属性产生新的属性，最终会改变特征空间；特征选择是在原始数据集中提取特征的子集，是一种包含关系，不改变特征空间。

原文链接：https://blog.csdn.net/weixin_41725746/article/details/95722708

特征降维涉及到的12中方法
原文链接：https://zhuanlan.zhihu.com/p/43225794

特征选择常用算法综述
原文链接：https://www.cnblogs.com/heaad/archive/2011/01/02/1924088.html