基于模糊聚类的高光谱遥感数据分类研究—毕业论文.docVIP

河南农业大学 本科生毕业论文（设计） 题 目 基于模糊聚类的高光谱遥感数据分类研究 学 院 信息与管理科学学院 专业班级 计算机科学与技术 撰写日期：二○一三年五月二十日 目录 TOC \o 1-3 \h \u /* 算法描述： K均值算法： 给定类的个数K，将N个对象分到K个类中去， 使得类内对象之间的相似性最大，而类之间的相似性最小。 */ void main() { int Flag=1;//迭代标志，若为false,则迭代结束 int i=0; //freopen(out.txt,w,stdout); InitData();//初始化数据 while(Flag){//开始迭代 printf(2); UpdateCenter();//更新质心数组 printf(1); UpdateCluster();//更新各个聚类 printf(3); if(fabs(newdis-olddis)0.0000000001){//如果本次迭代与前次的质心聚合相等，即已收敛，结束退出 Flag=0; } } printf(4\n); Print();//输出结果 accuracy(); destroy(); //fclose(stdout); } 4.4.4分类结果 对5个实验处理中，不同药剂浓度控制的不同严重度小麦白粉病冠层光谱反射率测定数据。通过对原始反射率数据的变换和数理统计分析,运用模糊K-均值聚类方法对光谱反射率数据进行分类。 分类结果显示，从400nm-900nm波长范围选出的20个特征点的反射值，利用k-均值聚类算法能够实现反射率数据的聚类，聚类结果最高达到单个组的正确率76.666667%，平均正确率最高为 64.666667%。 程序聚类结果如下图所示： 图8 聚类结果 5结论 目前利用遥感技术来监测病虫害还多处于研究与试验阶段，并且多是在田间对受害作物进行冠层光谱的测定，然后对测定的光谱值与田间实测的病虫危害程度值进行相关性分析，找出病虫危害在光谱特性上的表现。 由于光谱信息提取过程中蕴涵的诸多不确定性以含糊性, 遥感数据的分类面临诸多困难与挑战。而模糊聚类作为一种强大的无监督软分类器, 能处理和分析光谱信息中数据的不精确性、类别描述中的含糊性，而输出更能表达人类知识缺陷、更符合真实世界客观事实的分类结果, 因此被认为是一种较好的遥感数据分类手段。 本文主要采用模糊聚类中的K-均值算法对高光谱遥感数据分类进行了研究。K-均值算法中的第一次中心集合是随机生成的，聚类结果随初始聚类中心的不同而不一样，导致实验过程中每次的运行结果不一样。 由于该算法不适用于结果簇差别很大的数据集，且必须事先给出簇的数目等缺点，极大影响了K-均值算法在各个领域中的实际应用。随着不同方式的K-均值聚类算法改进方法的提出[11]，在一定程度能够使K-均值算法的性能更好，这些还都有待进一步探讨研究。 参考文献 [1] 浦瑞良和宫鹏. 高光谱遥感遥感及其应用[M] . 北京: 高等教育出版社, 2000. [2] 刘亮，姜小光，李显彬，唐伶俐.利用高光谱遥感数据进行农作物分类方法研究[J].中国科学院研究生院学报，2006，23(4):484-488. [3] Ried ell W E and Blackmer T M. L eaf reflectance spect ra ofcereal aphid damaged wheat [ J] . Crop Scien ce, 1999, 39( 6) :1835-1840. [4] 蔡成静, 王海光, 安虎等. 小麦条锈病高光谱遥感监测技术研究[ J ]. 西北农林科技大学学报( 自然科学版) , 2005, 33( 4) :31-36. [5] 乔红波, 程登发, 孙京瑞等. 麦蚜对小麦冠层光谱特性的影响研究[ J] . 植物保护, 2005, 31( 2) : 21- 26. [6] 文斯.遥感影像数据的面向对象分类与模糊逻辑分类研究[D].昆明理工大学硕士学位论文，2011. [7]（美） 陈封能，（美） 斯坦巴赫，（美） 库玛尔著， 范明等译. 数据挖掘导论[M].人民邮电出版社，2011. [8]孙庚，冯艳红，郭显久，张春平等. K—means聚类算法研究[J].长春师范学院学报(自然科学版), 2011，30（1）：448—452． [9