摘要：由于现有的用于农业作物生长监测数据的特征优化方法-局部保持投影（locality preserving projection, LPP）只保留局部信息，同时存在未考虑样本类别信息导致特征提取时误分类，准确率与数据优化效率并不理想。针对上述问题，提出了改进型 LPP 方法，并将其用于作物生长特征的优化。首先将样本利用二维主成分分析（two-dimensional principal component analysis,2DPCA）进行初步降维，保留原样本数据中的整体空间信息；然后提出优化的2类子图-聚集子图和分离子图，用来描述不同类别数据之间的关联信息；然后提出优化的2类子图对不同类别数据间的远近关系进行描述；最后采用改进型LPP算法，将数据进一步投影到低维空间，提取样本的局部信息，完成样本特征优化。试验分析表明，改进型LPP具有很好的适应性，最高支持向量机（support vector machine, SVM）分类准确率能够达到96%以上，使精度达到最高的最优维数比主成分分析（principal component analysis, PCA）和二维主成分分析2种算法降低了25%以上，同时算法运行效率比PCA与2DPCA算法提升32.4%与8.3%，整体性能比基本LPP算法更为优越，能够适应农作物多维数据的优化处理。研究结果为现代精准农业信息监测过程中的数据处理与分析提供了参考。

关键词：优化 数据处理 监测 生长特征 特征优化 

单位：北京交通大学电子信息工程学院先进控制系统研究所; 北京100044