半监督复合核图聚类在高光谱图像中的应用

• 作者: 李志敏 郝盼超 黄文 黄鸿
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 高光谱遥感图像 聚类 半监督学习 复合核
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: ?图像与信号处理?
• 页码范围: 33-39
• 页数: 7页
• 分类号: TP391|TP751
• 字数: 5068字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-501X.2016.04.006

摘要

针对图的半监督聚类算法(Semi-Supervised Graph-Based Clustering, SSGC)中出现的对先验信息利用不充分、不足以应对数据异构、计算耗时大等问题，本文提出一种基于半监督复合核的图聚类算法，并应用于高光谱图像。该算法首先通过引入半监督学习方法对径向基函数(Radial Basis Function, RBF)进行了改进，以充分利用少量的标记样本和无标记样本；其次将 RBF 核与光谱角核进行融合，构造复合核权重矩阵。在权重矩阵的构造过程中， K-近邻方法的引入也简化了计算过程。在Indian Pine和Botswana高光谱数据集上的实验结果表明，相对于SSGC算法，本文算法不仅实现了更高的分类正确率，其总体分类精度提升1%～4%，而且有效提升了运算速度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄鸿	重庆大学光电技术与系统教育部重点实验室	73	422	11.0	15.0
2	李志敏	重庆大学光电技术与系统教育部重点实验室	42	417	12.0	16.0
3	黄文	重庆大学光电技术与系统教育部重点实验室	21	189	8.0	13.0
4	郝盼超	重庆大学光电技术与系统教育部重点实验室	1	5	1.0	1.0