이 연구는 초분광 영상 분류를 위한 PCA와 R-PCA의 성능을 비교하였다. 고차원 초분광 데이터의 특징 공간은 처리와 분석에 많은 어려움을 야기한다. 따라서 차원 축소가 필요하며, 무작위 투영은 대용량 데이터에 효과적인 차원 축소 방법으로 간주된다.
실험에서는 두 개의 공개 초분광 데이터셋(Indian Pines와 Pavia University)을 사용하였다. PCA와 R-PCA를 적용하여 특징 차원을 20과 30으로 축소한 후, SVM과 LightGBM 알고리즘으로 분류 성능을 평가하였다.
실험 결과, 대부분의 경우 원본 특징이 PCA와 R-PCA로 축소된 특징보다 더 높은 분류 정확도를 보였다. Indian Pines 데이터셋에서는 PCA-SVM이 R-PCA-SVM보다 우수한 성능을 보였지만, R-PCA-LightGBM이 PCA-LightGBM과 유사한 성능을 보였다. Pavia University 데이터셋에서는 PCA-SVM이 R-PCA-SVM보다 우수했지만, R-PCA-LightGBM과 PCA-LightGBM의 성능 차이가 통계적으로 유의미하지 않았다. 전반적으로 LightGBM이 SVM보다 더 높은 분류 정확도를 달성하였다.
To Another Language
from source content
arxiv.org
Djupare frågor