基于多样性变异的QPSO算法的遥感图像分类

基于多样性变异的QPSO算法的遥感图像分类

ID:37377515

大小:1.30 MB

页数:5页

时间:2019-05-22

基于多样性变异的QPSO算法的遥感图像分类_第1页
基于多样性变异的QPSO算法的遥感图像分类_第2页
基于多样性变异的QPSO算法的遥感图像分类_第3页
基于多样性变异的QPSO算法的遥感图像分类_第4页
基于多样性变异的QPSO算法的遥感图像分类_第5页
资源描述:

《基于多样性变异的QPSO算法的遥感图像分类》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、第10卷第6期智能系统学报Vol.10№.62015年12月CAAITransactionsonIntelligentSystemsDec.2015DOI:10.11992/tis.201507045网络出版地址:http://www.cnki.net/kcms/detail/23.1538.tp.20151110.1354.014.html基于多样性变异的QPSO算法的遥感图像分类龙海侠,吴淑雷,吕雁(海南师范大学信息科学技术学院,海南海口571158)摘要:遥感图像分类是遥感领域研究的热点问题之

2、一。结合量子粒子群优化(QPSO)算法和多样性变异的机制提出了一种新的高光谱遥感图像分类算法。在遥感图像分类过程中,采用无监督分类,图像中每个像素点到聚类中心的高斯距离作为分类标准,使用QPSO算法进行聚类中心的优化,在聚类过程中使用多样性变异机制防止QPSO算法早熟收敛,使分类结果达到最优化。在遥感图像上所做的实验表明:此分类算法具有较好的搜索速度和收敛精度,能有效寻找和优化最佳聚类中心,是一种有效、可行的遥感图像分类方法。关键词:遥感图像;无监督分类;聚类中心;量子粒子群优化算法;多样性变异中图

3、分类号:TP391.9文献标志码:A文章编号:1673⁃4785(2015)06⁃0938⁃05中文引用格式:龙海侠,吴淑雷,吕雁.基于多样性变异的QPSO算法的遥感图像分类[J].智能系统学报,2015,10(6):938⁃942.英文引用格式:LONGHaixia,WUShulei,LYUYan.ClassificationofmultispectralremotesensingimagebasedonQPSOanddi⁃versity⁃mutation[J].CAAITransactionso

4、nIntelligentSystems,2015,10(6):938⁃942.ClassificationofmultispectralremotesensingimagebasedonQPSOanddiversity⁃mutationLONGHaixia,WUShulei,LYUYan(SchoolofInformationScienceandTechnology,HainanNormalUniversity,Haikou571158,China)Abstract:Theclassificatio

5、nofremotesensingimagesisoneofthemostimportantissuesinremotesensingtoday.Thispaperpresentsanovelclassificationalgorithmformultispectralremotesensingimagesbasedonthequantum⁃behavedparticleswarmoptimization(QPSO)algorithmanddiversity⁃mutation.Toclassifyre

6、motesensingimages,weadoptedunsupervisedclassification,andusedtheGaussiandistancefunctionbetweentheimagepixelsandtheclustercentersastheclassificationstandard.WeusedtheQPSOalgorithmtooptimizetheclustercenters.Forclus⁃tering,weproposediversity⁃mutationtop

7、reventprematureconvergenceoftheQPSOalgorithmtooptimizetheclas⁃sificationresults.Theexperimentalresultsshowthattheproposedalgorithmnotonlyhasbettersearchspeed,butalsohashigherconvergenceprecision,andsearchesandoptimizesthebestclustercentermoreefficientl

8、y.There⁃fore,weconcludethatthealgorithmiseffectiveandfeasible.Keywords:remotesensingimage;un⁃supervisedclassification;clustercenters;quantum⁃behavedparticleswarmoptimizationalgorithm;diversity⁃mutation[1]遥感图像分类是遥感图像处理系统的核心功能种规则或算法划分为不同的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。