基于参数优化改进型可能聚类的遥感图像分割

摘要：

可能聚类算法（PCA）和可能C-均值聚类算法（PCM）对初始值非常敏感,容易产生一致性聚类。改进型可能C-均值聚类算法（IPCM）能解决PCM的问题,然而IPCM的执行更依赖于参数。IPCM必须计算参数两次,因此聚类时间长。为了克服PCA和IPCM的缺点,进而应用于复杂的遥感图像分割,将PCA和IPCM相结合,提出了一种基于参数优化的改进型可能聚类算法（IPCAOP）。实验表明,IPCAOP在处理遥感图像分割方面明显优于模糊C-均值聚类（FCM）和IPCM。

关键词：模糊C-均值聚类、可能性模糊C-均值聚类、改进的可能性模糊C-均值聚类、遥感图像

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2012-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：31-34