半监督复合核图聚类在高光谱图像中的应用

发布时间：2017-09-05 22:37

  本文关键词：半监督复合核图聚类在高光谱图像中的应用

  更多相关文章： 高光谱遥感图像 聚类 半监督学习 复合核

【摘要】：针对图的半监督聚类算法(Semi-Supervised Graph-Based Clustering,SSGC)中出现的对先验信息利用不充分、不足以应对数据异构、计算耗时大等问题,本文提出一种基于半监督复合核的图聚类算法,并应用于高光谱图像。该算法首先通过引入半监督学习方法对径向基函数(Radial Basis Function,RBF)进行了改进,以充分利用少量的标记样本和无标记样本;其次将RBF核与光谱角核进行融合,构造复合核权重矩阵。在权重矩阵的构造过程中,K-近邻方法的引入也简化了计算过程。在Indian Pine和Botswana高光谱数据集上的实验结果表明,相对于SSGC算法,本文算法不仅实现了更高的分类正确率,其总体分类精度提升1%～4%,而且有效提升了运算速度。
【作者单位】： 重庆大学光电技术与系统教育部重点实验室;
【关键词】： 高光谱遥感图像 聚类 半监督学习 复合核
【基金】：国家自然科学基金(61101168) 重庆市基础与前沿研究计划(cstc2013jcyj A40005)
【分类号】：TP751
【正文快照】： 0引言高光谱遥感图像包含了丰富的空间和光谱信息,具有很高的分辨力,已应用到科学研究的各个领域,特别是国防等涉及国家安全方面[1]。然而,面对高光谱的海量数据,如何将高光谱图像的各种特征结合,研究快速、高效的目标识别算法是目前和未来一段时间内的一个重点。聚类分析是数

【相似文献】

中国期刊全文数据库 前1条

1 孙相富,潘宗佑;金单晶膜靶的制备[J];核技术;1979年02期

中国硕士学位论文全文数据库 前1条

1 刘俊杰;基于复合核的相关向量机高光谱图像分类[D];湖北大学;2014年

，

本文编号：800623