森林生物量聚類有利于資源保護(hù),針對(duì)當(dāng)前方法存在聚類復(fù)雜度較高、精確性較差的問(wèn)題,提出基于人工蜂群優(yōu)化算法的高光譜森林生物量聚類方法。結(jié)合奇異值分析,利用核范數(shù)最小化基于圖像分塊的方式實(shí)現(xiàn)高光譜森林圖像自適應(yīng)去噪。將去噪后的圖像代入波段選擇中,為森林生物量聚類奠定基礎(chǔ)。采用人工蜂群優(yōu)化算法利用最佳指數(shù)和JM距離間的加權(quán)和當(dāng)作蜂群的適應(yīng)度函數(shù)進(jìn)行鄰域搜索,一直到收斂或者達(dá)到最大迭代次數(shù)為止,將輸出的最優(yōu)蜜源當(dāng)作最優(yōu)波段組合�；谒x波段,利用粒子群算法迭代尋優(yōu)獲取聚類劃分模型,引入蟻群算法實(shí)現(xiàn)類別標(biāo)簽聚類中心更新,并將剩余沒(méi)有被劃分類別的螞蟻歸類至與其相似的巢中,即類別中,實(shí)現(xiàn)高光譜森林生物量聚類。實(shí)驗(yàn)結(jié)果顯示,所提方法自由度高,即聚類復(fù)雜度低,且具備良好地聚類精確性,能夠很好地識(shí)別森林生物量。

【文章頁(yè)數(shù)】：4 頁(yè)

【文章目錄】：
1 引言
2 基于人工蜂群優(yōu)化算法的高光譜森林生物量聚類
    2.1 高光譜圖像去噪
    2.2 高光譜森林圖像波段選取
    2.3 高光譜森林生物量聚類
3 實(shí)驗(yàn)結(jié)果與分析
4 結(jié)束語(yǔ)



本文編號(hào)：3778249