共查询到20条相似文献，搜索用时 31 毫秒
1.
《武汉大学学报(信息科学版)》2010,(7)
验证了聚类分析用于卫星雷达测高波形分类的可行性。针对雷达测高波形的特征,提出了移动最小欧氏距离算法,并以该距离作为相似性统计量进行聚类分析,取得了很好的效果。以Topex/Poseidon卫星的近岸波形为例,比较了最短距离法、最长距离法、类平均法和最小方差法等4种聚类方法的聚类效果,结果表明最小方差法效果最优。 相似文献
2.
讨论了信息熵和均匀光谱间隔(USS)两种无监督高光谱影像波段选择方法,分析比较了基于K均值聚类的欧氏距离、相关系数以及光谱角3种相似性度量。实验表明,利用USS对高光谱影像降维,采用将欧氏距离作为相似性度量的K均值聚类方法进行影像分类,所得到的分类结果精度较高,计算时间较短。 相似文献
3.
利用MODIS增强型植被指数(EVI)时序数据,基于中国陆地生态系统55种植被类型上的468个测试点和一个测试区进行了实验,综合比较欧氏距离、光谱信息离散度、光谱角余弦、核光谱角余弦、相关系数、光谱角余弦-欧氏距离6种距离测度方法对遥感植被指数时序数据聚类精度的影响,结果表明:相关系数方法的聚类精度最差;光谱角余弦-欧氏距离方法充分利用了植被指数时序数据的曲线幅度和形状特征,在这6种距离测度方法中表现出了最优的聚类效果;只对光谱亮度敏感的欧氏距离方法或只对曲线形状敏感的光谱角余弦方法,无论是在区分地物类型方面,还是在区域应用上,表现效果均较差;核光谱角余弦虽然在点数据测试上表现较差,但在区域应用上却有较好的表现;光谱信息离散度无论是在点数据测试上还是在区域应用上均表现出了较为适中的效果。 相似文献
4.
欧氏聚类算法是多元统计中的一种重要分类方法,可以将其应用于测绘领域中点云数据的分割。本文首先计算点云数据中两点之间的欧氏距离,将距离小于指定阈值作为分为一类的判定准则;然后迭代计算,直至所有的类间距大于指定阈值,完成欧氏聚类分割。具体步骤为：①利用Octree法建立点云数据拓扑组织结构;②对每个点进行k近邻搜索,计算该点与k个邻近点之间的欧氏距离,最小归为一类;③设置一定的阈值,对步骤②迭代计算,直至所有类与类之间的距离大于指定阈值。试验证明,欧氏聚类算法对不同测量技术手段获取的点云数据均具有适用性,可以成功对点云数据进行分割,分割效果良好。 相似文献
5.
提出了一种光谱相似性测度用于高光谱图像分类方法。通过将光谱向量进行归一化处理,将计算得到的欧氏距离与光谱角余弦的值域归化到相同区间,得到光谱角余弦与欧氏距离联合测度值(SAC-NED)。在对图像像元进行分类时,以距离加权的方式将邻域像元参与中心像元SAC-NED值的计算,将像元分到SAC-NED值最大的类别。通过与其他5种常用相似性测度方法的实验结果对比表明:该算法能够提升高光谱图像分类的准确性和稳定性。 相似文献
6.
光谱匹配分类方法以光谱相似性测度为分类准则,一种相似性测度只对应于光谱曲线的一种特征,用于光谱匹配分类效果并不好;组合不同类型的相似性测度能够有效改善分类效果,但光谱匹配分类往往忽略了相邻像元间的相关性。为了更好地利用空间信息,提高光谱匹配分类精度,首先组合欧氏距离测度和相关系数测度,得到欧氏距离-相关系数测度;其次通过加入空间乘子,得到结合空间信息的欧氏距离-相关系数测度,从而在光谱匹配分类中增加了空间信息约束。采用两组高光谱影像进行实验验证,结果表明,相比于单一相似性测度及组合相似性测度,结合空间信息的欧氏距离-相关系数测度用于光谱匹配分类能够有效改善分类精度。 相似文献
7.
本文论述了模糊聚类分析中的传递闭包法与普通聚类分析中的最短距离法的等价性。这种等价性使得能够应用较简单的算法来完成模糊聚类,揭示这种等价性有助于认识模糊聚类的特点。 相似文献
8.
9.
空间聚类是GIS空间分析的主要内容之一,传统矢量空间聚类算法存在数据冗余、结果不直观等弊端,地图代数栅格距离变换结果图本身就蕴涵了空间客体之间的拓扑关系,通过提取距离变换结果图不同距离值的等距线,就可以实现基于最短欧氏距离的空间对象的聚类过程,本文通过算例试验证明,该算法简单、直观、合理。 相似文献
10.
11.
12.
13.
针对固定阈值的动态K近邻算法定位时未能有效剔除距离较远参考点的问题,该文提出了基于聚类阈值结合动态K值的算法:①在离线阶段建立聚类指纹库,并在每个聚类子块中设定聚类阈值;②在线阶段根据待测点信号确定其所处的聚类子块和对应的阈值,由信号强度的欧氏距离和聚类阈值选取K个信号距离最小的参考点;③以信号距离倒数为权重计算坐标加权平均,作为定位结果。实验分析得出,与固定阈值的动态K值算法的平均定位误差为2.64m;聚类阈值结合动态K值算法的平均定位误差为1.12m,降低了57.6%,并且点位误差在1m和2m内的可信度分别为42.3%和77.8%。聚类阈值结合动态K值算法能够较好地剔除距离较远的参考点,可以有效提高蓝牙指纹定位的精度。 相似文献
14.
15.
基于静止气象卫星（GMS-5）多光谱云图的天气采样数据，分别对各样本数据在红外、水汽及可见光通道的灰度、梯度和纹理高维特征空间的投影点进行聚类分析，以确定诸天气样本在特征空间中的类属区域，进而用其对云图进行天气区的判别分类。针对传统聚类方法存在的缺点，本文采用了模糊C均值聚类（FCM）、遗传算法（GA）和模糊减法聚类（FSC）相互交叉、优势互补的思想，既克服了GA／FCM算法局部／全局寻优的不足，又可客观确定出聚类中心数目。对高维特征空间中的重叠和交叉部分的样本点类属，通过计算其与空间中各聚类中心点的欧氏距离来予以甄别，最后得到高维特征空间中各天气的类属域，实况云图中诸像素点通过计算和判断其灰度-梯度特征量在高维空间中的投影点落区位置，即可确定其天气类属，进而实现对天气区的自动分类。试验结果表明，该方法具有良好的分类效果，判别结果与天气实况基本一致。 相似文献
16.
基于密度的抽样和动态时间扭曲距离,提出了一种半监督高光谱模糊聚类方法。该方法首先应用基于密度的方法对样本进行抽样,然后采用动态时间扭曲距离计算样本之间的相似度,最后利用半监督模糊C均值算法进行聚类。为了验证所提出方法的有效性,在广泛使用的Indian Pines数据集和PaviaU数据集上进行试验。结果表明,本文提出的方法能够取得理想的分类结果。 相似文献
17.
18.
常规高光谱影像逐像素分类往往没有考虑空间相关性,分类结果未体现地物的空间关联和分布特征。为了在分类中充分利用空间特征,利用聚类信息并结合隐马尔可夫随机场模型讨论了高光谱遥感影像光谱-空间分类方法。首先,在不同特征提取方法（最小噪声分离、独立成分分析和主成分分析）下,使用不同聚类方法（k-均值、迭代自组织分析算法和模糊c-均值算法）借助隐马尔可夫随机场获取优化的分割图;然后,采用4连通区域标记法对分割区域标记生成图像对象,并根据支持向量机的逐像素分类结果采用多数投票法对图像对象进行分类;最后,借助凹槽窗口邻域滤波技术改进分类结果,削弱“椒盐”现象。该方法综合了监督分类和非监督分类的优势,通过聚类引入地物空间相关性信息,通过隐马尔可夫随机场引入上下文特征,较好地弥补了单纯基于光谱信息分类的不足。 相似文献
19.
面向土壤分类的高光谱反射特征参数模型 总被引：2，自引：0，他引：2
提出了一种无损、快速、成本低的土壤分类方法,选取松嫩平原4种典型土壤(黑土、黑钙土、风砂土和草甸土)耕层(0—20 cm)土样的实验室反射光谱数据作为研究对象,采用重采样、包络线消除法处理光谱数据,提取反映反射光谱特征的光谱特征参数,利用K均值聚类(K-means clustering)和决策树(decision tree)分别进行聚类分析和分类模型构建,实现土壤的快速分类。结果表明,利用表层土壤反射光谱特征参数构建的决策树分类模型可以对研究区土壤进行分类。研究成果有望加快土壤制图,为土壤理化性质的时空变化研究提供技术支持。 相似文献