基于聚类和联合偏度与峰度指数的高光谱数据波段选择算法

高光谱数据的光谱分辨率高,数据量大,在提供丰富、详细的地物或目标信息的同时,不同光谱波段特别是相邻波段间有较强的相关性,导致光谱波段之间有大量冗余信息。针对这一问题,面向高光谱异常检测,提出了基于聚类和联合偏度与峰度指数的波段选择方法。首先利用虚拟维度进行估计,确定高光谱数据的本征维度,再结合最大-最小距离的思想进行聚类中心的更新,避免了随机选取的初始值可能导致距离太近的问题。然后,考虑到异常目标常常表现为不满足背景高斯分布的特点,使用联合偏度与峰度指数作为准则函数进行波段选择,有效选择出了重要波段。在三组代表性高光谱数据集上进行了实验,结果表明本文所提出的算法有效提升了高光谱异常检测的效果并降低了虚警率。

一个评价光谱估计精度的新参数

研究了对多光谱成像系统进行光谱估计的精度评价的问题。在给出光谱估计偏指数定义的基础上,提出了多光谱图像获取系统的光谱估计性能的评价的新方法——系统光谱匹配偏度指数法。该方法用一个指标来定量评价两光谱向量的光谱匹配程度,避免了以往评价参数的复杂性,同时反映了光谱反射率估计曲线实际测量曲线之间的差异程度。采用一典型多光谱相机对Macbeth色卡的24个典型光谱仿真估计所得的24个光谱对数值模拟,验证了光谱反射率估计匹配偏度指数能全面的反映光谱反射率的估计精度的设想;并拿17个多光谱估计系统的仿真估计的光谱数据,计算了它们的系统光谱估计偏度指数,计算结果有很好的一致性。结果还显示,系统光谱估计偏度指数还可用作对多光谱相机光谱估计性能进行等级划分的依据。

期权波动率指数在中美市场上运用的效果比较

波动率指数是期权市场中最主要、影响力最大的指数。本文针对美国市场中的VIX指数和偏度指数以及中国市场中的中国波指(i VX)和偏度指数的特性进行了分析,并在中美市场上共举了4个例子对期权波动率指数的运用方式及效果进行了说明。分析发现,运用了波动率指数后,各策略相对自身的基准收益均有所增加,波动、回撤均有所下降,夏普比例大幅提升。表明不论是在中国还是美国市场中,期权波动率指数在识别风险、指导交易方面均能起到非常大的作用。

基于波段指数的高光谱影像波段选择算法

为了去除高光谱影像的数据冗余,提高高光谱影像处理的精度和效率,提出了一种基于波段指数的高光谱影像波段选择算法。采用小波变换对高光谱图像数据进行去噪处理,依据联合偏度-峰度指数将波段进行分组,再根据波段指数的大小确定相对较小指数的波段,并将其作为冗余波段进行去除,从而得到最小波段集。结果表明,利用该波段集和全波段所选的端元是一致的,在不影响端元提取的前提下,最大程度地去除了冗余波段,而且该波段集与全波段的分类精度较接近。该算法在波段选择过程中具有可行性与有效性,为降低高光谱影像维数提供了一种帮助。