谱聚类算法的改进及其在滑坡领域的应用

发布时间：2020-03-24 06:57

【摘要】：我国地处喜马拉雅板块与环太平洋板块交接地带,山地面积约占国土面积的70%,是地质灾害多发的国家,尤其是滑坡灾害。滑坡灾害的发生不仅给国家和人民带来了巨大的人员伤亡和经济损失,还一定程度造成了环境破坏、资源流失的情况。因此,如何获取分析滑坡灾害信息,挖掘滑坡灾害的发生规律,从而能够提早预防滑坡灾害成为迫在眉睫的问题。随着计算机技术的发展,数据的存储处理能力也愈发提高,计算机技术被广泛的应用到各行各业中。利用计算机对数据的分析处理能力,同时结合数据挖掘算法对滑坡灾害数据信息进行分析处理,已经成为滑坡数据分析的一种形式。聚类分析作为数据挖掘领域的一个重要分支,是数据分析处理的常用方法。谱聚类算法是聚类分析算法较为经典的数据分析方法,该算法是在谱图论的基础上发展而来的,能够实现在任意非凸数据集上进行聚类且不易陷入局部最优。但也存在一定的缺陷,针对其缺陷,本论文提出相关算法改进,并将其应用于新疆喀什塔什库尔干地区。本论文主要完成工作如下:(1)简述谱聚类算法与谱图论的相关理论知识,详细介绍谱聚类算法的研究现状与研究热点,针对目前谱聚类算法所存在的问题提出自己的改进思路。(2)提出一种基于人工蜂群算法的自适应谱聚类算法。对于谱聚类算法初始聚类数目无法确定的问题,本论文利用本征间隙思想,通过构造本征间隙序列求得初始聚类数目K值。为进一步提高算法的全局寻优能力,本论文将人工蜂群算法思想加入到后期聚类过程中,同时改进人工蜂群算法位置更新公式,从而提高算法的全局寻优能力。最后,选取标准测试函数测试以及UCI数据集中的Iris、Wine和Glass数据集对改进算法进行仿真实验,并与不同算法实验结果进行比较。(3)实例验证。选取新疆喀什塔什库尔干地区的两时刻遥感图像作为本论文实验验证区域。利用改进的谱聚类算法对研究区遥感图像进行变化检测,提取研究区非局部差异图中的变化信息。在差异图构造准确度实验中,本文差异图构造法的错检个数3741个,少于差值法错检个数12177个和比值法7052个。在比较算法对差异图提取效果定量分析实验中,本文改进算法的检测率PCC为96.437%,高于PCA-K算法和Otsu’s算法。因此,本文改进算法对数据的分析提取能力较强,算法实现效果较好。
【图文】：

构成类型,地质灾害,滑坡灾害

谱聚类算法的改进及其在滑坡领域的应用显示了我国 2016 年各种地质灾害的类型构成，由图可得滑坡灾害是我国发地质灾害。此外，根据我国地质环境检测院发布的 2002 年到 2011 年十年害统计通报统计，在该十年间，我国每年平均发生滑坡灾害约 21790 起， 1398 人，造成的经济损失可达 37.9 亿元。

流程图,流程图,遥感图像,“伪”

谱聚类算法的改进及其在滑坡领域的应用等各方面因素的影响，两时相遥感图像在获取的过程中所呈现的图像内容，通常会出现图像内容对应位置不相匹配的现象。此外，在使用多时像遥感图像进行变化检测工作之前，原始的遥感图像无法拿来直接使用，必须进行预处理工作。在对两时相遥感图像做变化检测时，，要特别注意“伪”变化区域，“伪”变化区域会影响变化信息提取的准确性。避免变化检测结果中出现“伪”变化区域，预处理是两时相遥感图像中必不可少的步骤。
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：P642.22;TP311.13

【相似文献】