基于kohonen神经网络聚类方法在遥感分类中的比较

？设计完成和比较了基于kohonen自组织网络的kohonen聚类网络（kohonenclusteringnetwork,kcn）、模糊kohonen聚类网络（fluzzykcn,fkcn）和基于进化规划的kohonen聚类网络（evalutionaryprogrammingbasedkcn,epkcn）三种聚类算法在遥感土地利用/覆盖分类中的应用。结果表明三种非监督学习方法在进行遥感土地利用/覆盖分类过程中，在分类性能上有显著差异。epkcn分类目视效果最好，单次迭代的速度最快；fkcn总的收敛速度最快；而按遥感土地利用/覆盖分类要求而言，epkcn方法在三种分类方法中效果最好，因此可采用该算法进行遥感土地利用/覆盖的非参数分类。