10.3969/j.issn.1672-6251.2011.12.010
基于参数优化改进型可能聚类的遥感图像分割
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。
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
TP391.41(计算技术、计算机技术)
2012-04-21(万方平台首次上网日期,不代表论文的发表时间)
共4页
31-34