遥感影像特征发现的稳健统计模型研究

• 作者: 周成虎 马江洪 骆剑承
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 稳健统计 高斯混合密度 影像特征 遗传算法
• 年，卷（期）: 1999,（11）
• 所属期刊栏目: 数据挖掘与知识发现研究新进展
• 页码范围: 952-956
• 页数: 5页
• 分类号: TP7
• 字数: 3927字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8961.1999.11.010

摘要

高斯混合密度降解模型(GMDD)是一种基于稳健统计理论的层次结构的聚类模型.GMDD首先假设特征空间是由一组混合的高斯(Gaussian)分布组成,然后通过一定的优化算法来获得特征空间中与预先假设相符合的特征分布,并逐步分离,直到特征空间全部降解为一组混合特征模式的分布集.GMDD与传统统计聚类模型相比较,主要优点为:特征类别不受限定、抗干扰力强、参数估计与初始无关、考虑密度分布的可变性等.文中初步探讨基于GMDD方法的遥感影像特征发现模型(GIFEM),并提出基于遗传算法的GMDD优化模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	骆剑承	中国科学院地理研究所信息室	124	4043	33.0	60.0
2	周成虎	中国科学院地理研究所信息室	263	12312	58.0	102.0
3	马江洪	西安交通大学数学系	12	657	6.0	12.0