空间逐步寻优数据挖掘在遥感影像分类中的应用.pdfVIP

第 卷第 期 长安大学学报（地球科学版） ! ! #$% ! ’$ ! 年 月 （ ） ! ( ( ) * +$,-./% $0 12/.3/. 4.567-859: ;/-92 =57.=7 ;595$. +,. ! ( ( ) !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 空间逐步寻优数据挖掘在遥感影像分类中的应用 韩 玲 （西北大学 地质学系，陕西 西安? @((*A ；长安大学 地质工程与测绘工程学院，陕西西安? @((B ） ［摘要］ 在遥感地学分析模型中，由于遥感信息模糊和不确定性的特点，其特征空间中的特征分布并不 完全符合特定的高斯密度分布，而是分布形状各异，相互交错，用传统模型是很难获得特征的最优分布 解的，而空间逐步寻优数据挖掘方法（ ）是在演化寻优理论的基础上，融合知识的参数化分布函 CD D 数，来逐步分离特征空间，逐步降解的获得特征树状的层次结构。结合实例，用CD D 方法对遥感影像 进行分类计算，并与传统的最大似然分类方法的分类结果进行了比较。 ［关键词］ 空间逐步寻优数据挖掘；遥感影像；最大似然法 ［中图分类号］ ［文献标识码］ ［文章编号］ （ ） E F?A G @((? H AA !(() (! H ((?( H () ［作者简介］ 韩玲（ ）女，山东济南人，副教授，博士研究生，现从事摄影测量与遥感教学科研工作。 @A*B H 遥感信息是空间信息的重要组成部分，在反映 进行分离以获得特征空间的总体分布。但由于样本 地学规律的同时，在对遥感信息的分析处理中同样 集之间的相互重叠或离散样本相互干扰的原因，往 具有空间信息的复杂性和不确定性的特征。因此， 往很难获得细节性和过程性的分布结构，而直接降 统计分析一直是遥感影像分析处理的基本方法，遥 低了特征获取的精度和对其的解释能力。而空间逐 感影像的成像过程受多方面随机变化因素的影响， 步寻优的数据挖掘方法（ 97IJ 587 CI95K5L/95$. 其中包括成像过程中的随机因素和成像对象的复杂 D/M5.N D$7% 0$- I/95/% O/9/ D5.5.N ，C D D ）是 性和不确定性，导致获得的影像数据具有一定的随 在基于人工智能理论的演化计算寻优理论基础上， 机性，所以遥感影像数据在很大程度上就是一种随 融合知识的参数化分布函数 ，来逐步分离特征空 机变量，常规的数理统计方法是遥感地学分析中的 间，逐步降解地获得特征树状的层次结构，在 主要方法。遥感影像分类，是以区别影像中所含的 C D D 基础上，进行多波段遥感影像数据的分类。 多个目标物为目的，对每个像元或比较匀质的像元 组给出对应其特征的类别，最大似然法就是一种常 空间逐步寻优模型（ ） @ C D D 用的基于数理统计的遥感影像分类方法，但基于数 理统计的分类方法目前主要还停留在基于要素间相 空间逐步寻优模型（ ）的特征 ! ! #$%% 互独立，空间特征和空间关系假设参数化分布或非 C D D 模型是在高斯混合密度分解模型 参数化估计等以数学模型为基础的统计量阶