基于半监督核模糊C-均值算法的北京一号小卫星多光谱图像分类

针对遥感图像数据大多不服从高斯分布，以及遥感图像分类存在非线性、模糊性和标签数据少等问题，提出基于半监督核模糊C-均值算法的多光谱遥感图像分类方法。首先，把半监督学习理论和核理论同时引入模糊C-均值算法，形成半监督核模糊C-均值算法。然后用该算法和几种传统的分类方法对北京一号小卫星多光谱图像进行分类实验。最后，对其分类结果进行对比评价。结果表明，对比传统的分类法（K-均值算法和最大似然算法），半监督核模糊C-均值算法能显著提高分类精度，其分类性能也优于模糊C-均值算法、核模糊C-均值算法和半监督模糊C-均值算法。