近邻样本密度和隶属度加权FCM算法的遥感图像分类方法
针对FCM算法具有对数据集进行等划分趋势的缺陷,利用样本本身的近邻分布特性,提出近邻样本密度加权FCM(NSD-WFCM)、近邻样本隶属度加权FCM( NSM-WFCM)以及近邻样本密度和隶属度加权FCM( NSDM-WFCM)算法,并应用于遥感图像分类.对比FCM算法,NSD-WFCM、NSM-WFCM和NSDM-WFCM算法的总体分类精度和Kappa系数分别提高了5.67%、7.50%和11.17%:8.50%、11.25%和16.75%.实验结果表明:这些加权方法都在一定程度上克服了FCM算法的缺陷,提高了遥感图像的无监督分类能力,其中,NSM-WFCM算法的分类性能优于NSD-WFCM算法的分类性能,NSDM-WFCM算法分类性能最好.
遥感图像分类、FCM算法、加权FCM算法、近邻样本密度、近邻样本隶属度
32
TP391.41(计算技术、计算机技术)
国家自然科学基金40701146;国家863计划2007AA12Z227
2012-03-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
2242-2247