谢福鼎，李 壮

(辽宁师范大学城市与环境学院，辽宁 大连 116029)

基于改进的半监督FCM算法的高光谱遥感影像分类

谢福鼎，李 壮

(辽宁师范大学城市与环境学院，辽宁 大连 116029)

分类是空间数据挖掘研究的主要问题之一。由于无监督分类忽视了样本信息，往往得不到理想的精度。而监督分类需要标记大量的样本点，带来了巨大的工作量。因此半监督分类逐渐成为空间数据挖掘的研究热点之一。本文通过改进FCM算法的目标函数和迭代过程，提出了一种新的半监督FCM算法(SFCM)，该算法充分利用了有标签样本点在迭代过程中的作用。本文选取了在高光谱图像分类中广泛使用的Indian Pines和Pavia University两幅高光谱遥感影像作为试验对象。结果显示，随着有标签样本点比例的增加，分类精度也随之增加，且分类结果较好。

半监督学习；SFCM算法；高光谱遥感影像；分类

分类是空间数据挖掘研究的最基本问题之一。目前，分类研究已经在遥感、土地利用、海岸线监测、森林监测、大气监测等领域取得了很好的成果。根据样本点是否有类信息，这些算法可以分为两类：监督方法和无监督方法。典型的监督算法有支持向量机、神经网络及它们的各种变形等[1-4]；经典的无监督算法有模糊c-均值、基于密度的算法等[5-6]。监督方法每个样本点都有类信息，然而收集到的地理数据基本都是没有类信息的，标记这些样本点工作量巨大，因此这类方法的应用在某种程度上受到了限制。而无监督分类算法完全忽视了样本的类信息，得到的结果往往不够理想。……