瞿珊珊，康 顺

(湖北理工学院 电气与电子信息工程学院，湖北 黄石435003)

地表覆盖信息是进行地理气候变化、国情监测、可持续发展等研究的基础地理空间数据。随着对地观测技术的发展，利用遥感影像技术快速准确地提取地表覆盖信息已成为主流[1]。地表覆盖信息的提取方法主要有监督分类与非监督分类2种。其中，监督分类主要有基于传统统计分析的神经网络、支持向量机、决策树、最大似然等；非监督分类有K-means、模糊聚类、ISODATA等聚类算法[2]。在实际应用中，不同的分类器对不同的遥感数据分类精度不同，目前还没有一种分类器能够满足用户对所有数据分类的质量需求[3]。

多分类器集成思想被广泛应用在诸多领域。在多光谱遥感数据信息提取方面，Wang等[4]利用随机增强集成分类器实现了土地利用类型分类。Radhika等[5]使用集成分类进行了多光谱影像分类。Liu等[6]基于集成分类器研究了影像中一类数据的非监督分类。此外，多分类器集成在森林精细类型分类、不平衡数据分类、果蔬种类识别、MINIST手写数字识别、图像自动标注与分类以及朴素Bayes组合分类器等中的应用受到众多学者的关注[7-13]。

目前，对分类器集成遥感数据分类的研究大多集中在复杂分类器与复杂分类器、复杂分类器与简单分类器的集成，而对传统简单分类器之间的互补性利用不足。此外，普通多分类器集成投票法在投票相等时缺乏一种自适应性。因此，本文通过集成简单分类器，构建一种基于数据聚类的自适应投票选取方法，旨在快速提取一定精度的地表覆盖信息。……