FCM聚类的软划分:以遥感图像城镇下垫面聚类为例

发布时间：2017-12-08 17:34

  本文关键词：FCM聚类的软划分:以遥感图像城镇下垫面聚类为例

  更多相关文章： FCM聚类 解模糊 隶属度背离 空间依存

【摘要】：FCM是应用最广泛的模糊聚类方法之一.与分明聚类不同,模糊聚类以隶属度描述实体类属的确定程度,对于聚类过程中的质心调整和聚类结果分析等,具有重要参考价值.常规FCM应用中,一般以最大隶属度确定聚类结果中像素的类别归属,这种硬性划分,常常会将一些像素划分给了不恰当的类.本文采用的是一种软划分方法,它利用FCM聚类隶属度,对聚类结果做自适应解模糊处理.处理主要依据隶属度的背离特性(以类间隶属度标准差表征)和像素的空间依存关系(以邻域像素归属比例等表征).主要流程包括:①以FCM聚类获取聚类隶属度矩阵;②计算一个像素属于各类别隶属度的标准差,并以标准差取反的商作为该像素最大隶属度的权;③按类别统计像素邻域元素的隶属度加权元素密度(中心像元赋予3倍权重);④同时以2和3的结果作为中心像素划分的依据.为了免除人工干预,一些重要可调参数(如邻域窗口尺寸等)由自适应计算确定.实验表明以聚类图斑平均面积作为窗口尺寸能获得理想的结果.MATLAB仿真测试表明,以解模糊方法获得的聚类精度比最大隶属度方法的平均高出9%.
【作者单位】： 华东师范大学地理科学学院;华东师范大学地理信息科学教育部重点实验室;
【基金】：国家自然科学基金(J1310028)
【分类号】：TP751
【正文快照】： o引言FCM聚类也称模糊C均值聚类(fuzzy C-means cluster),是在软计算和模糊集[w]框架下开发的算法,它先由Dunn提出[3],经过Bezdek的推广[4],而逐步完善.与K-means等分明聚类不同,在聚类的每次迭代中,FCM并不将当前元组分给确定的类,而只是提供该元组属于各类的隶属度.隶属度主

【相似文献】

中国期刊全文数据库 前1条

1 熊华,胡晓峰,老松杨;一种自动镜头聚类方法[J];国防科技大学学报;2000年05期

，

本文编号：1267279