基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
通过对几种常用的非监督计算机遥感图像分类方法,如k-means、层次聚类和神经网络的分析研究发现,由于这些方法不能克服数据噪声点的影响,输出结果对输入参数依赖性较大,使其对图像的分类效果受到影响.为了提高图像的非监督分类效果,本文提出了一种基于密度和自适应密度可达聚类算法.实验分析表明,与常用的分类方法相比,该算法具有良好的分类效果.
推荐文章
遥感图像计算机分类方法的研究
遥感
图像分类
分类方法
基于多源信息的TM遥感图像计算机分类
最小噪声分离变换
灰度共生矩阵
支持向量机
基于ENVI的遥感图像分类方法研究
遥感
图像分类
监督分类
精度评价
监督分类方法在遥感影像分类处理中的比较
ENVI
遥感影像
分类方法
总体精度
Kappa系数
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 遥感图像非监督计算机分类方法的研究
来源期刊 计算机与现代化 学科 工学
关键词 遥感图像 非监督分类 聚类算法
年,卷(期) 2008,(7) 所属期刊栏目 图像处理
研究方向 页码范围 66-69
页数 4页 分类号 TP751.1
字数 3574字 语种 中文
DOI 10.3969/j.issn.1006-2475.2008.07.021
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孟海东 125 679 13.0 20.0
2 宋飞燕 6 122 5.0 6.0
3 郝永宽 8 64 4.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (98)
参考文献  (4)
节点文献
引证文献  (14)
同被引文献  (66)
二级引证文献  (14)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(1)
  • 二级引证文献(1)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(5)
  • 引证文献(3)
  • 二级引证文献(2)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
遥感图像
非监督分类
聚类算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导