结合极限学习机的高光谱影像聚类算法

摘要：

针对训练样本无先验别知识指导的高光谱影像聚类问题,提出一种结合极限学习机的高光谱影像非监督分块聚类算法.首先对影像进行预聚类,采用分块策略选取训练样本;然后在传统谱聚类算法的基础上引入极限学习机预测机制,利用训练样本求解极限学习机的最优输出矩阵;最后通过极限学习机对整幅高光谱影像进行特征映射,进而在嵌入空间实现聚类.采用6组高光谱影像进行实验,与K均值和谱聚类等传统算法的聚类精度对比的结果表明,该算法能够克服谱聚类算法内存空间的瓶颈问题,实现大尺寸高光谱影像的聚类,并且在一定程度上提高了聚类精度.

关键词：非监督聚类、谱聚类、极限学习机、高光谱影像

所属期刊栏目：29

分类号：TP237(自动化技术及设备)

资助基金：国家自然科学基金;国家重点实验室开放基金;国家重点实验室开放基金;河南省科技攻关计划;信息工程大学自主科研课题

在线出版日期：2017-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1416-1424