近邻样本密度和隶属度加权FCM算法的遥感图像分类方法 .pdfVIP

学兔兔 第32卷 第10期 Vo1．32 N()．10 201 1年 lO川 Oct．20l1 近邻样本密度和隶属度加权FCM算法的 遥感图像分类方法 ：l： 刘小芳 ，何彬彬 (1四川理1 学院计算机学院 自贡 643000；2电子科技大学地表空间信息技术研究所 成都 61 1731) t ‘I 摘 要：针对FCM算法具有对数据集进行等划分趋势的缺陷，利用样本本身的近邻分布特性，提出近邻样本密度加杈FCM 义 (NSD—WFCM)、近邻样本隶属度加权FCM(NSM—WFCM)以及近邻样本密度和隶属度加权FCM(NSDM—WFCM)算法，并应用于 S e 遥感图像分类。对比FCM算法，NSD—WFCM、NSM～WFCM和NSDM—WFCM算法的总体分类精度和Kappa系数分别提高_r 旦 5．67％、7．50％和1 1．17％；8．50％、11．25％和16．75％。实验结果表明：这些加权方法都在一定程度上克服了FCM算法的缺 f 陷，提高了遥感图像的无监督分类能力，其中，NSM～WFCM算法的分类性能优于NSD—WFCM算法的分类性能，NSDM—WFCM 义 o 算法分类性能最好S 关键词：遥感图像分类；FCM算法；加权FCM算法；近邻样本密度；近邻样本隶属度 表 己罟 中图分类号： FP391．41 文献标识码：A 国家标准学科分类代码：520．20 510．40 学 Remote sensing image classification based on neighbor n R sample density and membership weighted FCM algorithm Liu Xiaofang ，He Binbin。 (1 Department of Computer Science and Technology，Sichuan University of Science and Engineering，Zigong 643000，China 2 Institute of Geo—Spatial Infi~rmation Science and Technology，University of Electronic Science and Technology of China， Chengdu 61 l731．China、 Abstract：Fuzzy C—means(FCM)algorithm has an equal partition trend for data sets．To overcome this disadvantage， several weighted FCM (WFCM)algorithms are formed by introducing the neighbor distributing characteristics of