基于改进的半监督FCM算法的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.

关键词：半监督学习、SFCM算法、高光谱遥感影像、分类

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2016-10-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：60-62,72