Randomisierte Hauptkomponentenanalyse zur Klassifizierung hyperspektraler Bilder
Die Verwendung von randomisierter Hauptkomponentenanalyse (R-PCA) zur Dimensionsreduktion und Klassifizierung hyperspektraler Bilder wurde im Vergleich zur klassischen Hauptkomponentenanalyse (PCA) untersucht. Die Ergebnisse zeigen, dass PCA bei der SVM-Klassifizierung bessere Ergebnisse liefert, während R-PCA bei LightGBM ähnliche Genauigkeiten erreicht.
