基于改进的半监督FCM算法的高光谱遥感影像分类

• 作者: 李壮 谢福鼎
• 来源期刊: 测绘通报
• 学科: 地球科学
• 关键词: 半监督学习 SFCM算法 高光谱遥感影像 分类
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 技术交流
• 页码范围: 60-62,72
• 页数: 4页
• 分类号: P237
• 语种: 中文

摘要

分类是空间数据挖掘研究的主要问题之一.由于无监督分类忽视了样本信息,往往得不到理想的精度.而监督分类需要标记大量的样本点,带来了巨大的工作量.因此半监督分类逐渐成为空间数据挖掘的研究热点之一.本文通过改进FCM算法的目标函数和迭代过程,提出了一种新的半监督FCM算法(SFCM),该算法充分利用了有标签样本点在迭代过程中的作用.本文选取了在高光谱图像分类中广泛使用的Indian Pines和Pavia University两幅高光谱遥感影像作为试验对象.结果显示,随着有标签样本点比例的增加,分类精度也随之增加,且分类结果较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢福鼎	辽宁师范大学城市与环境学院	54	419	12.0	17.0
2	李壮	辽宁师范大学城市与环境学院	1	11	1.0	1.0