基于改进的半监督FCM算法的高光谱遥感影像分类

发布时间：2017-07-17 01:07

  本文关键词：基于改进的半监督FCM算法的高光谱遥感影像分类

  更多相关文章： 半监督学习 SFCM算法 高光谱遥感影像 分类

【摘要】：分类是空间数据挖掘研究的主要问题之一。由于无监督分类忽视了样本信息,往往得不到理想的精度。而监督分类需要标记大量的样本点,带来了巨大的工作量。因此半监督分类逐渐成为空间数据挖掘的研究热点之一。本文通过改进FCM算法的目标函数和迭代过程,提出了一种新的半监督FCM算法(SFCM),该算法充分利用了有标签样本点在迭代过程中的作用。本文选取了在高光谱图像分类中广泛使用的Indian Pines和Pavia University两幅高光谱遥感影像作为试验对象。结果显示,随着有标签样本点比例的增加,分类精度也随之增加,且分类结果较好。
【作者单位】： 辽宁师范大学城市与环境学院;
【关键词】： 半监督学习 SFCM算法 高光谱遥感影像 分类
【分类号】：P237
【正文快照】： 分类是空间数据挖掘研究的最基本问题之一。目前,分类研究已经在遥感、土地利用、海岸线监测、森林监测、大气监测等领域取得了很好的成果。根据样本点是否有类信息,这些算法可以分为两类:监督方法和无监督方法。典型的监督算法有支持向量机、神经网络及它们的各种变形等[1-4]

【相似文献】

中国期刊全文数据库 前10条

1 饶雄;高振宇;;多分类器联合监督分类方法研究[J];四川测绘;2006年01期

2 薛廉;周春兰;;基于监督分类分区域的特征因子提取[J];地理空间信息;2009年02期

3 陈超;江涛;岳远平;;监督分类和目视修改相结合在高分辨率遥感影像中的应用[J];国土资源信息化;2009年05期

4 海敏;朱俊琦;韦金丽;;遥感影像监督分类的城市发展分析中的应用——以广西南宁市为例[J];科技信息;2012年02期

5 赵冬泉;党安荣;陈吉宁;;监督分类方法在图片资料专题信息提取中的应用研究[J];测绘通报;2006年11期

6 刘桂生;葛根旺;;基于遥感影像的土地利用监督分类探讨[J];城市勘测;2008年03期

7 闫琰;董秀兰;李燕;;基于ENVI的遥感图像监督分类方法比较研究[J];北京测绘;2011年03期

8 葛咏;白鹤翔;李三平;李德玉;;粗糙集理论进行遥感图像监督分类的样本质量评价的研究(英文)[J];Geo-Spatial Information Science;2008年02期

9 熊彪;江万寿;李乐林;;基于高斯混合模型的遥感影像半监督分类[J];武汉大学学报(信息科学版);2011年01期

10 王丽丽;余代俊;白铁勇;;基于RS和GIS土地利用现状调查[J];地理空间信息;2009年06期

中国重要会议论文全文数据库 前4条

1 马平燕;;基于ERDAS的土地利用监督分类探讨[A];江苏省测绘学会2007年学术年会论文集[C];2008年

2 马平燕;;基于ERDAS的土地利用监督分类探讨[A];江苏省测绘学会2007'学术年会论文集[C];2008年

3 赵伟颖;;极化SAR监督分类方法对植被分类效果比较分析[A];第九届长三角科技论坛（测绘分论坛）论文集[C];2012年

4 袁金国;;遥感影像监督分类方法的应用研究[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

中国硕士学位论文全文数据库 前2条

1 张兴娟;石家庄市绿地调查研究与分析[D];辽宁工程技术大学;2009年

2 韩花;基于监督分类的土地利用动态变化监测及其信息自动提取[D];长安大学;2012年

，

本文编号：551306