遥感影像数据因其固有的不确定性与复杂性,导致传统的无监督分类算法难以对其准确建模。基于模糊集理论的模式识别方法可以有效地表达数据的模糊性,其中二型模糊集能更好地刻画类间多重不确定性,而半监督法可以利用少量先验知识来解决算法对数据的泛化性问题,因此提出一种基于半监督的自适应区间二型模糊C均值遥感影像分类方法(SS-AIT2FCM)。首先,结合半监督和进化论思想,提出一种新的模糊权重指数选取方法,以提升自适应区间二型模糊C均值聚类算法的鲁棒性与泛化性,使算法更适用于光谱混叠严重、覆盖面积大、地物丰富的遥感数据分类;然后,通过对少量标记样本的软约束监督,对区间二型模糊算法迭代过程进行优化指导,来挖掘数据的最优表达。实验选用了北京颐和园区域的SPOT5多光谱遥感影像数据和广东横琴岛区域的Landsat TM多光谱遥感影像数据,对现有流行的模糊分类算法和SS-AIT2FCM的分类结果进行了比较。结果表明,SS-AIT2FCM获得了更高的分类精度与更清晰的类别边界,且有较好数据泛化能力。
类型: 期刊论文
作者: 冯国政,徐金东,范宝德,赵甜雨,朱萌,孙潇
关键词: 半监督,二型模糊集,模糊均值算法,遥感影像分类,自适应区间
来源: 计算机应用 2019年11期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 烟台大学计算机与控制工程学院
基金: 山东省自然科学基金资助项目(ZR2019MF060,ZR2017MF008,ZR201702220179,ZR201709210160),山东省高校科研计划重点项目(J18KZ016),烟台市重点研发计划项目(2018YT06000271)~~
分类号: TP751
页码: 3227-3232
总页数: 6
文件大小: 1491K
下载量: 210
本文来源: https://www.lunwen66.cn/article/c55fc2d8e28915476737c138.html