模式識别实习报告.docVIP

模 式 识 别 实 习 报 告 实习目的 1.习使用ERDAS软件对遥感影像进行监督分类和非监督分类。 2.编程实现K-均值算法 基本原理 （一）非监督分类 非监督分类思想：非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭数据遥感影像地物的光谱特征的分布规律，即自然聚类的特性进行“盲目”的分类。其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性。其类别的属性是通过分类结束后目视判读或实地调查确定的。非监督法是边学习边分类，通过学习找到相同的类别，然后将该类与其他类区分开 （二）监督分类 监督分类思想：根据已知的样本类别和类别的先验知识，确定判别函数和相应的判别准则，其中利用一定数量的已知类别函数中求解待定参数的过程称之为学习或训练，然后将未知类别的样本的观测值代入判别函数，再依据判别准则对该样本的所属类别作出判定。 监督分类过程： 选择样区：根据已知的样本类别和先验知识； 学习或训练：利用一定数量的已知类别函数中求解待定参数； 确定每一类的判别函数和相应的判别准则； 计算未知类别的样本观测值的在每一类函数值； 5．判别：按一定准则对该样本作出判定。 （三）K均值算法 K均值算法思想：基于使聚类性能指标最小化，所用的聚类准则函数是聚类集中每一个样本点到该类中心的距离平方之和，并使其最小化。 K均值算法步骤：