發(fā)布時間：2017-12-08 17:34

  本文關鍵詞：FCM聚類的軟劃分:以遙感圖像城鎮(zhèn)下墊面聚類為例

  更多相關文章： FCM聚類 解模糊 隸屬度背離 空間依存

【摘要】：FCM是應用最廣泛的模糊聚類方法之一.與分明聚類不同,模糊聚類以隸屬度描述實體類屬的確定程度,對于聚類過程中的質心調整和聚類結果分析等,具有重要參考價值.常規(guī)FCM應用中,一般以最大隸屬度確定聚類結果中像素的類別歸屬,這種硬性劃分,常常會將一些像素劃分給了不恰當的類.本文采用的是一種軟劃分方法,它利用FCM聚類隸屬度,對聚類結果做自適應解模糊處理.處理主要依據隸屬度的背離特性(以類間隸屬度標準差表征)和像素的空間依存關系(以鄰域像素歸屬比例等表征).主要流程包括:①以FCM聚類獲取聚類隸屬度矩陣;②計算一個像素屬于各類別隸屬度的標準差,并以標準差取反的商作為該像素最大隸屬度的權;③按類別統(tǒng)計像素鄰域元素的隸屬度加權元素密度(中心像元賦予3倍權重);④同時以2和3的結果作為中心像素劃分的依據.為了免除人工干預,一些重要可調參數(如鄰域窗口尺寸等)由自適應計算確定.實驗表明以聚類圖斑平均面積作為窗口尺寸能獲得理想的結果.MATLAB仿真測試表明,以解模糊方法獲得的聚類精度比最大隸屬度方法的平均高出9%.
【作者單位】： 華東師范大學地理科學學院;華東師范大學地理信息科學教育部重點實驗室;
【基金】：國家自然科學基金(J1310028)
【分類號】：TP751
【正文快照】： o引言FCM聚類也稱模糊C均值聚類(fuzzy C-means cluster),是在軟計算和模糊集[w]框架下開發(fā)的算法,它先由Dunn提出[3],經過Bezdek的推廣[4],而逐步完善.與K-means等分明聚類不同,在聚類的每次迭代中,FCM并不將當前元組分給確定的類,而只是提供該元組屬于各類的隸屬度.隸屬度主

【相似文獻】

中國期刊全文數據庫 前1條

1 熊華,胡曉峰,老松楊;一種自動鏡頭聚類方法[J];國防科技大學學報;2000年05期

，

本文編號：1267279