基于改进的半监督FCM算法的高光谱遥感影像分类 |
| |
引用本文: | 谢福鼎,李壮.基于改进的半监督FCM算法的高光谱遥感影像分类[J].测绘通报,2016(9):60-62,72. |
| |
作者姓名: | 谢福鼎 李壮 |
| |
作者单位: | 辽宁师范大学城市与环境学院,辽宁 大连,116029;辽宁师范大学城市与环境学院,辽宁 大连,116029 |
| |
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。
|
关 键 词: | 半监督学习 SFCM算法 高光谱遥感影像 分类 |
本文献已被 CNKI 万方数据 等数据库收录! |
|