第二?/p>
非监督分?/p>
一、非监督分类的基本内?/p>
非监督分类指人们事先对分类过程不施加任何的先验知识,
根据遥感影像地物的光谱特征的
分布规律,对其特征值进行分类的方法?/p>
非监督分类也称聚类分析?/p>
一般的聚类算法是先选择若干个模式点作为聚类的中心?/p>
?/p>
一中心代表一个类别,
按照某种相似性度量方?/p>
(如最小距离方法)
将各模式归于各聚类中
心所代表的类别,
形成初始分类?/p>
然后由聚类准则判断初始分类是否合理,
如果不合理就?/p>
改分类,如此反复迭代运算,直到合理为止?/p>
二、非监督分类的过?/p>
1.
核心问题
初始类别参数的选定,以及迭代次数的调整问题?/p>
2.
主要过程
?/p>
1
)确定最初类别数和类别中心(任意的,随机的)?/p>
?/p>
2
)计算每个像元对应的特征量与各聚类中心的距离,取距离最短的类别做为像元所属类
别,计算新的类中心;
?/p>
3
)计算每一像元与新的聚类中心距离,取距离最短的类别做为像元的所属类别,计算?/p>
的类别中心;
?/p>
4
)判断迭代是否结束,若不是,继续迭代,若是,迭代停止,分类结束?/p>
三、非监督分类的方?/p>
主要采用聚类分析方法,常用的方法?/p>
ISODATA
,称为迭代自组织分析技术,?/p>
K-Mean
?/p>
法,称为
K
-均值算法?/p>
K-Mean
算法的基本思想是通过迭代,移动各个基准类别的中心?/p>
直至得到最好的聚类结果为止?/p>
ISODATA
是在初始状态给出图像粗糙分类,然后基于一定原
则在类别间重新组合其样本,直到分类比较合理为止?/p>
1.K-means
算法
具体计算步骤?/p>
?/p>
1)
任意选择
k
个对象作为初始聚类中心;
?/p>
2)
按照到聚类中心距离最小的原则对像元分类;
?/p>
3)
重新计算聚类中心?/p>
?/p>
4)
聚类中心不变,则算法终止,否则返回步骤②?/p>