基于模糊核加权C-均值聚类的高光谱图像分类.pdfVIP

学兔兔 第33卷 第9期 仪 器 仪 表 学 报 V01．33 No．9 2012年9月 Chinese Journal of Scientific Instrument Sep．2012 基于模糊核加权C一均值聚类的高光谱图像分类冰 赵春晖，齐 滨 (哈尔滨工程大学信息与通信工程学院 哈尔滨 150001) 摘 要：高光谱图像分类是高光谱数据分析的重要研究内容之一。模糊C一均值聚类算法因其算法简单、收敛速度快等优点受 到广泛的关注。由于高光谱数据的维数较高，其光谱波段的非线性特性使得传统模糊C．均值聚类算法无法在原始空间得到较 好的聚类结果。另外，模糊C一均值聚类算法在计算聚类中心时，仅使用了各样本对聚类中心的隶属度，忽略了样本之间固有存 在的空间分布特征。为此提出了模糊核加权C一均值聚类算法，在计算模糊核聚类中心时，根据样本的空间分布特征，为每个样 本分配不同的权值，使得每个核聚类中心随着样本的不同而各有不同。标准数据和实际高光谱数据的实验结果均表明，相比较 传统模糊C一均值均聚类算法，模糊核加权C一均值聚类算法在总体分类精度上有较大的提高。 关键词：聚类分析；模糊核C一均值聚类；非参数加权特征提取；样本空间分布 中图分类号：TP751．1 文献标识码：A 国家标准学科分类代码：510．4050 Hyperspectral image classification based on fuzzy kernel weighted C-means clustering Zhao Chunhui，Qi Bin (College ofInformation and Communication Engineering，Harbin Engineering Unive~ity，Harbin 150001，China) Abstract：Hyperspectral image classification is one of the most important research aspects in the analysis of hyper- spectral data．Fuzzy C—means(FCM)clustering algorithm is widely utilized for its simplicity and fast convergence rate．Due to the high dimensionality of hyperspectral data，the nonlinear characteristic of the spectral bands makes it difficult for the traditional fuzzy C-means clustering algorithm to have good clustering result in the original space．Mo— reover，fuzzy C-means clustering algorithm just uses the membership degree of the samples to calculate the clustering center，which omits the space distribution that intrinsically exists among the samples．So this paper proposes a fuzzy kerne