基于多样性变异的QPSO算法的遥感图像分类
遥感图像分类是遥感领域研究的热点问题之一. 结合量子粒子群优化( QPSO)算法和多样性变异的机制提出了一种新的高光谱遥感图像分类算法. 在遥感图像分类过程中,采用无监督分类,图像中每个像素点到聚类中心的高斯距离作为分类标准,使用QPSO算法进行聚类中心的优化,在聚类过程中使用多样性变异机制防止QPSO算法早熟收敛,使分类结果达到最优化. 在遥感图像上所做的实验表明:此分类算法具有较好的搜索速度和收敛精度,能有效寻找和优化最佳聚类中心,是一种有效、可行的遥感图像分类方法.
遥感图像、无监督分类、聚类中心、量子粒子群优化算法、多样性变异
10
TP391.9(计算技术、计算机技术)
国家自然科学基金资助项目61163042;海南师范大学地理学重点学科基金资助项目00203030905#
2016-01-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
938-942