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:
高光谱图像分类可分为监督分类与非监督分类,聚类分析进行非监督分类是一种现今比较受研究者广泛关注的技术.粒子群算法具有自适应、自组织性、可同时进行局部和全局搜索等特点;蚁群算法通过智能个体间不断进行信息交流和传递,具有较强的发现最优解的能力.提出一种基于改进的粒子群和蚁群算法的高光谱图像聚类方法,设计其模型并将其应用在森林类型分类问题上,提高分类精度,减少人工干预.以吉林省汪清林业局为研究区,通过修改粒子群的惯性系数,得出最优解集,然后利用蚁群寻优的过程对阔叶林、针叶林、混交林、水体进行聚类分析,区分精度达到85%证明,该方法能较好地识别森林类型.
推荐文章
基于聚类的多子群粒子群优化算法
粒子群优化算法
聚类
子群
一种改进的基于粒子群的聚类算法
聚类算法
粒子群优化算法
相异度矩阵
最大最小距离法
K-means
适应度方差
改进的粒子群优化模糊C均值聚类算法
模糊C均值聚类
粒子群优化
聚类有效性
改进蚁群算法在文本聚类中的应用研究
蚁群算法
文本聚类
向量空间模型
信息素
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 基于改进的粒子群和蚁群算法的高光谱森林聚类研究
来源期刊 安徽农业科学 学科 农学
关键词 粒子群优化算法 蚁群算法 遥感图像 高光谱 聚类 森林类型
年,卷(期) 2014,(27) 所属期刊栏目 农业信息科学
研究方向 页码范围 9615-9618
页数 4页 分类号 S126
字数 4142字 语种 中文
DOI
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 王立海 东北林业大学森林作业环境研究中心 230 2904 28.0 40.0
2 邢艳秋 东北林业大学森林作业环境研究中心 78 768 16.0 24.0
3 李琰 东北林业大学信息与计算机工程学院 6 20 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (117)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1968(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(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)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(4)
  • 参考文献(1)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2008(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(12)
  • 参考文献(3)
  • 二级参考文献(9)
2011(6)
  • 参考文献(1)
  • 二级参考文献(5)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(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)
研究主题发展历程
节点文献
粒子群优化算法
蚁群算法
遥感图像
高光谱
聚类
森林类型
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
安徽农业科学
半月刊
0517-6611
34-1076/S
大16开
安徽省合肥市农科南路40号
26-20
1961
chi
出版文献量(篇)
78281
总下载数(次)
236
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导