如何对高光谱波段使用 Divergence 特征选择方法

问题描述

我想将卫星图像分类为土地覆盖分类。图像有 20 个波段和 7 个土地覆盖类别，我想使用散度分离指数进行特征选择最佳 5 个波段组合。但我有点困惑，因为散度将两个分开土地覆盖类别。所以我不知道分歧如何选择最好的5个频段。有人可以帮我吗，发散符号如下：

separability <- function(x,y) {

trace.of.matrix <- function(SquareMatrix) {
  sum(diag(SquareMatrix)) }

x <- as.matrix(x)
y <- as.matrix(y)

dt1 <- 1/2 * trace.of.matrix((stats::cov(x) - stats::cov(y)) *  (stats::cov(y)^(-1) - stats::cov(x)^(-1)))
       
dt2 <- 1/2 * trace.of.matrix((stats::cov(x)^(-1) + stats::cov(y)^(-1)) * (mean(x) - mean(y)) * t(mean(x) - mean(y)))
                            
divergence <- dt1 + dt2

}
return(data.frame(D = divergence))} 

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）