基于改进FCM算法的卫星云图聚类方法研究

• 作者: 徐烨晔 李秀馨 温家旺 王敬东
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 模糊C均值算法 阴影集 粒子群算法 卫星云图聚类
• 年，卷（期）: 2013,（3）
• 页码范围: 150-154
• 分类号: TP391
• 字数: 3754字
• 语种: 中文

摘要

卫星云图是研究天气系统演变规律的重要信息,云层内容从卫星云图中提取出来可以有助于云图分析,减少陆地和海洋信息的干扰.为此采用了模糊C均值聚类算法(FCM)进行云图聚类,该算法具有计算效率高,过程简单的优点,但对初始聚类中心敏感,容易陷入局部最优解.针对此问题,本文将全局性良好的粒子群优化算法(PSO)引入 FCM 聚类算法,克服了初始聚类中心对全局收敛性的影响.同时,将阴影集理论与该混合算法结合起来,去除聚类过程中的异常值,提高算法的效率.通过红外云图聚类对比实验得出,改进的FCM算法与传统的FCM算法相比,聚类结果图的类间距离增大,类内距离减小,聚类质量有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王敬东	南京航空航天大学自动化学院	82	822	15.0	25.0
2	温家旺	南京航空航天大学自动化学院	4	45	3.0	4.0
3	李秀馨	南京航空航天大学自动化学院	2	12	2.0	2.0
4	徐烨晔	南京航空航天大学自动化学院	1	8	1.0	1.0