10.19734/j.issn.1001-3695.2022.07.0407
基于多层二部图的高光谱模糊聚类算法
针对传统模糊聚类算法对初始聚类中心非常敏感以及对高光谱图像处理效果不佳的问题,为减少聚类数据的复杂度、降低聚类过程的计算成本以提升聚类性能,提出了一种基于多层二部图的高光谱模糊聚类算法.首先使用SuperPCA预处理方法对超像素分割得到的每个同质区域进行PCA来学习HSI数据不同区域的固有低维特征,从而获得高光谱数据的低维表示;其次,构造一个多层二部图矩阵来描述数据点和锚点之间的关系,降低了计算复杂度;最后,在模糊聚类中加入基于多层二部图的非负正则项来约束模糊隶属度矩阵的解空间.在Indian Pines和Pavia University数据集上进行的实验表明,所提算法能提高聚类效果与性能.
高光谱图像、模糊聚类、多层图、非负正则项
40
TP751(遥感技术)
广东省重点领域研发计划资助项目;广东省自然科学基金资助项目
2023-05-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
1246-1249,1274