面向高光譜圖像的空譜核半監(jiān)督圖聚類算法研究.pdf

1、高光譜遙感圖像信息量豐富、分辨率高，具備準確描述地物的能力。然而，由于其維數(shù)多、數(shù)據(jù)量大，傳統(tǒng)圖像分類方法已不再適用。如何有效挖掘有用信息，實現(xiàn)高精度地物分類，是一個亟待解決的問題。本文從高光譜圖像的數(shù)據(jù)特點入手，分別從譜圖聚類以及空-譜聯(lián)合聚類算法兩個方面進行了研究。
　　本研究主要內(nèi)容包括：①總結(jié)了半監(jiān)督學(xué)習(xí)、譜圖聚類、核聚類以及結(jié)合空間信息的聚類算法的實現(xiàn)過程，并介紹了常用的聚類算法和聚類結(jié)果評估標準；②提出了一種新的面向高

2、光譜圖像的半監(jiān)督復(fù)合核圖聚類算法。針對傳統(tǒng)聚類算法可能存在的計算繁瑣以及對先驗信息利用不充分的問題，本文結(jié)合 K近鄰方法與半監(jiān)督學(xué)習(xí)方法對徑向基函數(shù)和光譜角核函數(shù)進行了改進，構(gòu)造了復(fù)合核權(quán)重矩陣，并將譜圖理論用于聚類過程，以便更好地發(fā)現(xiàn)高光譜數(shù)據(jù)的本質(zhì)結(jié)構(gòu)，實現(xiàn)半監(jiān)督復(fù)合核圖聚類（SSGCK）。在Indian Pine和Botswana高光譜數(shù)據(jù)集上的實驗結(jié)果表明，該算法獲得了更準確的聚類結(jié)果，且可有效降低計算復(fù)雜度；③研究了空-譜聯(lián)合