基于均值-标准差的K均值初始聚类中心选取算法

张文君; 顾行发; 陈良富; 余涛; 许华

doi:10.11834/jrs.200605106

浏览量 : 0 下载量: 2854 CSCD: 29

PDF
导出
分享
收藏
专辑

基于均值-标准差的K均值初始聚类中心选取算法
An Algorithm for Initilizing of K-Means Clustering Based on Mean-standard Deviation
2006年第5期页码：715-721
纸质出版：2006
DOI： 10.11834/jrs.200605106
稿件说明：

移动端阅览

[1]张文君,顾行发,陈良富,余涛,许华.基于均值-标准差的K均值初始聚类中心选取算法[J].遥感学报,2006(05):715-721. DOI： 10.11834/jrs.200605106.

ZHANG Wen-jun~. An Algorithm for Initilizing of K-Means Clustering Based on Mean-standard Deviation[J]. Journal of Remote Sensing, 2006, (5): 715-721. DOI： 10.11834/jrs.200605106.

摘要

遥感图像分类是遥感图像处理中长期存在的一个难题

针对不同的传感器图像

不同的应用需求

选择合适的分类算法非常重要。在分类中不仅要考虑分类的精度

而且要考虑分类效率。本文研究了K均值算法的初始聚类中心的选择对算法本身聚类精度及效率的影响

提出了一种高效高精度的初始聚类中心选取方案

实验结果表明

利用该算法进行地表分类

效率比ENVI的K-M eans（K均值）模块高。

Abstract

Remote Sensing Image Classifiction is always a difficult problem.It’s very important to use proper algorithms for different images.Not only precision but also efficiency must be considered.By researching in the relations between the initial means of clusters and the efficiency of clustering

we proposed a method of computing the initial means of clusters for K-Means Clustering.It is proved to be more efficient than the（K-Means） Clustering module of ENVI when it’s used in Remote Sensing Classification.