基于核流优化的高光谱图像数据核检索模型
机器学习
2024-11-13 v1 计算工程、金融与科学
统计方法学
摘要
基于核的统计方法高效，但其性能高度依赖核参数的选择。文献中关于基于核的化学计量方法优化研究有限，常局限于网格搜索。作者此前引入核流（KF）来学习核偏最小二乘（K-PLS）回归的核参数。KF 易于实现并有助于减少过拟合。在光谱与生物地球物理量高共线性的情况下，主成分回归（PCR）等更简单的方法可能更适用。本研究提出一种新的 KF 类方法优化核主成分回归（K-PCR），并将其与 KF-PLS 同步测试。两种方法均以两个高光谱遥感数据集为基准，与非线性回归技术对比。
引用
@article{arxiv.2411.07800,
title = {Kernel-based retrieval models for hyperspectral image data optimized with Kernel Flows},
author = {Zina-Sabrina Duma and Tuomas Sihvonen and Jouni Susiluoto and Otto Lamminpää and Heikki Haario and Satu-Pia Reinikainen},
journal= {arXiv preprint arXiv:2411.07800},
year = {2024}
}