基于多样性变异的QPSO算法的遥感图像分类

• 作者: 吕雁 吴淑雷 龙海侠
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 遥感图像 无监督分类 聚类中心 量子粒子群优化算法 多样性变异
• 年，卷（期）: 2015,（6）
• 页码范围: 938-942
• 页数: 5页
• 分类号: TP391.9
• 字数: 3764字
• 语种: 中文
• DOI: 10.11992/tis.201507045

摘要

遥感图像分类是遥感领域研究的热点问题之一. 结合量子粒子群优化( QPSO)算法和多样性变异的机制提出了一种新的高光谱遥感图像分类算法. 在遥感图像分类过程中,采用无监督分类,图像中每个像素点到聚类中心的高斯距离作为分类标准,使用QPSO算法进行聚类中心的优化,在聚类过程中使用多样性变异机制防止QPSO算法早熟收敛,使分类结果达到最优化. 在遥感图像上所做的实验表明:此分类算法具有较好的搜索速度和收敛精度,能有效寻找和优化最佳聚类中心,是一种有效、可行的遥感图像分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴淑雷	海南师范大学信息科学技术学院	27	101	5.0	9.0
2	龙海侠	海南师范大学信息科学技术学院	16	10	2.0	2.0
3	吕雁	海南师范大学信息科学技术学院	5	9	2.0	3.0