模糊c-均值算法改进及其对卫星遥感数据聚类的对比

被引：13

作者：

哈斯巴干

马建文

李启青

刘志丽

韩秀珍

机构：

[1] 中国科学院遥感应用研究所

来源：

计算机工程 | 2004年 / 11期

关键词：

遥感数据; K-均值聚类; 模糊c均值聚类; Mahalanobis距离;

D O I：

暂无

中图分类号：

TP75 [遥感图像的解译、识别与处理];

学科分类号：

081002 ;

摘要：

提出的改进的模糊c-均值聚类方法采用基于标准协方差矩阵的Mahalanobis距离,即椭球体聚类方法,这种聚类算法更接近遥感数据散点图的实际情况,从而可以显著提高聚类效果。对北京卫星ASTER数据的聚类分析实验表明,改进的模糊c-均值聚类方法的聚类效果要优于K-均值聚类方法和常规的模糊c-均值聚类方法。

引用

页码：14 / 15+91 +91

页数：3