模糊均值聚类和最小二乘支持向量机相融合在遥感图像分类中的应用

发布时间：2019-04-16 11:59

【摘要】：为了提高遥感图像分类精度,提出一种模糊均值聚类(FCM)和最小二乘支持向量机(LSSVM)相融合的遥感图像分类方法(FCM-LSSVM).首先对遥感图像样本进行模糊均值聚类,得到隶属度矩阵,然后根据隶属度矩阵选择遥感图像的训练样本,最后将训练样本输入到最小二乘支持向量机进行学习,并采用粒子群优化最小二乘支持向量机参数,建立遥感图像分类模型.通过仿真实验对算法性能进行测试,结果表明FCM-LSSVM提高了遥感图像分类效率和分类精度.
[Abstract]:In order to improve the classification accuracy of remote sensing images, a remote sensing image classification method (FCM-LSSVM) based on fuzzy mean clustering (FCM) and least squares support vector machine (LSSVM) is proposed. Firstly, the remote sensing image samples are clustered by fuzzy mean, and then the membership matrix is obtained. Then the training samples of remote sensing images are selected according to the membership matrix. Finally, the training samples are input to the least square support vector machine for learning. Particle swarm optimization and least square support vector machine (SVM) are used to establish remote sensing image classification model. The simulation results show that FCM-LSSVM improves the efficiency and accuracy of remote sensing image classification.
【作者单位】： 广东开放大学;
【基金】：广东省高校自然科学基金项目(1420)
【分类号】：TP751;TP18

【参考文献】

相关期刊论文 前10条

1 熊南;刘百芬;;基于自适应粒子群优化LSSVM的网络流量在线预测[J];计算机应用与软件;2013年09期

2 严信;张月琴;;利用云模型实现FSVM遥感影像分类的隶属度算法[J];计算机应用与软件;2013年05期

3 周君;李楠;方涛;;基于SVM的遥感图像半自动提取方法研究[J];计算机应用与软件;2010年03期

4 吴景龙;杨淑霞;刘承水;;基于遗传算法优化参数的支持向量机短期负荷预测方法[J];中南大学学报(自然科学版);2009年01期

5 居红云;张俊本;李朝峰;王正友;;基于K-means与SVM结合的遥感图像全自动分类方法[J];计算机应用研究;2007年11期

6 吴芳;贾永红;;基于PCA-BPNN的多光谱遥感影像分类[J];地理空间信息;2006年01期

7 郭志强;蔡嵩;;彩色遥感图像分类算法及Matlab实现[J];武汉理工大学学报;2006年01期

8 周廷刚,苏迎春;基于人工神经网络的城市航空遥感图像植被分类研究[J];西南师范大学学报(自然科学版);2004年06期

9 余春艳,吴明晖,吴明;遥感图像识别中粗糙集理论与神经网络的结合[J];遥感学报;2004年04期

10 林剑,鲍光淑,敬荣中,黄继先;FasART模糊神经网络用于遥感图象监督分类的研究[J];中国图象图形学报;2002年12期

【共引文献】

相关期刊论文 前10条

1 熊阳阳;;基于遗传优化支持向量机的软岩隧道围岩变形预测[J];四川建材;2016年08期

2 Yannan Zhao;Yuan Li;Lifen Zhang;Qiuliang Wang;;Groundwater level prediction of landslide based on classification and regression tree[J];Geodesy and Geodynamics;2016年05期

3 王振武;孙佳骏;于忠义;卜异亚;;基于支持向量机的遥感图像分类研究综述[J];计算机科学;2016年09期

4 张涛;唐华;张甜甜;;网络流量预测算法仿真分析[J];计算机仿真;2016年09期

5 王卫红;卓鹏宇;;基于PCA-FOA-SVR的股票价格预测研究[J];浙江工业大学学报;2016年04期

6 魏晶茹;马瑜;白冰;任贵召;贺青;;基于PSO-SVM算法的环境监测数据异常检测和缺失补全[J];环境监测管理与技术;2016年04期

7 周林飞;姚雪;芦晓峰;;基于相容粗糙集的BP神经网络湿地覆被信息提取——以双台子河口湿地为例[J];资源科学;2016年08期

8 曹坤;刘素霞;;上海市水资源生态足迹分析与SVR预测[J];华东师范大学学报(自然科学版);2016年04期

9 邹志勇;韩玖胜;;苹果采摘机械手的逆运动学求解研究[J];浙江农业学报;2016年07期

10 李静;张卓群;李旭;;基于GA-SVM的输电塔结构基础施工成本预测[J];施工技术;2016年12期

【二级参考文献】

相关期刊论文 前10条

1 李明迅;孟相如;温祥西;袁荣坤;;基于在线LS-SVM的网络流量预测[J];电视技术;2012年07期

2 杨永生;;一种自适应调节粒子群优化算法的研究[J];西安科技大学学报;2011年03期

3 林楠;李翠霞;;SVM在非线性网络流量预测中的应用研究[J];计算机仿真;2011年05期

4 李刚;万幼川;;基于高维云模型和RBF神经网络的遥感影像不确定性分类方法[J];测绘科学;2012年01期

5 周晓蕾;王万良;陈伟杰;;基于小波变换和优化的SVM的网络流量预测模型[J];计算机应用与软件;2011年02期

6 张弦;王宏力;;嵌入维数自适应最小二乘支持向量机状态时间序列预测方法[J];航空学报;2010年12期

7 张淑清;贾健;高敏;韩叙;;混沌时间序列重构相空间参数选取研究[J];物理学报;2010年03期

8 罗峗骞;夏靖波;王焕彬;;混沌-支持向量机回归在流量预测中的应用研究[J];计算机科学;2009年07期

9 吴青;刘三阳;杜U，

本文编号：2458762