模糊综合法在土地定级中的应用

提出了融模糊综合评判和模糊聚类分析于一体的模糊综合法，给出了将特尔菲法与层次分析法相结合的定权步骤以及与λ无关的聚类分析步骤。应用表明，该方法定级结果唯一且符合实际     

模糊综合法在土地定级中的应用

提出了融模糊综合评和模糊分析于一体的模糊综合法，给出了将特尔菲法与层次分析法相结合的定权步骤以及与λ无关的聚类分析步骤，应用表明，该方法定级结果唯一符合实际。     

一种改进的多光谱影像模糊加权聚类方法

多光谱影像具有丰富的地物信息,利用多光谱影像进行聚类分析可以充分利用遥感影像为在大范围地区进行变化检测和土地利用分析作出应有的贡献。而模糊聚类更接近实际情况,能提高影像分类精度,缩短分类时间,提高系统运行效率。本文采用对多光谱影像先进行K-L变换去除了大量的冗余数据后,再进行改进的加权模糊聚类处理方法,取得了较理想的分类效果。     

多因素评价体系的模糊聚类分析

用评价对象的样本的特征函数构建模糊相似矩阵,计算模糊相似矩阵的传递闭包,按传递闭包进行不同λ水平截集的聚类,可以获得科学合理的分类结果。以评价地区经济发展水平为例,阐述了多因素评价体系的模糊聚类分析方法。     

一种基于共生矩阵法的影像纹理分类方法

针对由共生矩阵法得到的影像纹理特征值，本文提出了用模糊聚类分析方法进行影像纹理分类，该方法不仅对纹理子样数量不作要求，而且易于统一多种类型的影像纹量的分类标准。     

模糊Isodata聚类分析在遥感图像分类中的应用研究

针对模糊模式识别的原理，根据遥感图像的特征，提出了基于模糊Isodata聚类分析的遥感图像分类方法。研究结果表明：该方法具有简单、快速和有效的特点，从而拓宽了模糊模式识别的应用范围。     

一种基于马尔可夫随机场的影像纹理分类方法

针对纹理影像先估计出其马尔可夫随机场参数，后运用多元统计分析中模糊聚类分析的数学方法进行定量分类，从而为解决划分上的不确定性现象找出描述方法，获得客观的分类结果     

基于最大树模型的河南省气象因子分区

利用基于模糊图论最大树模型,通过对河南省15个市平均温度、降水量、光照时数3类气象因子数据进行分类分级和极值标准化处理,用模糊聚类分析方法实现了河南省气象因子分区研究;同时利用小麦产量数据对该算法划分的结果进行了对比验证.分析结果表明该生态区划分可为农业生产提供一些建设性意见.     

计算机自动识别分类技术在森林遥感中的应用

本文叙述应用计算机自动识别分类技术在航天遥感图像中对森林资源进行分类的一些探索研究。本文介绍了采用自编程序“地理坐标系和图像坐标系的精密仿射变换”、“识别型增强技术”、“多光谱信息的特征提取”、“多光谱模糊算法聚类分析”等一系列算法后所取得的分类图像结果,与实地及目视解译相比较,森林分类相对精度达90％。     

基于模糊聚类分析的测点变形及稳定性检验方法

基于模糊数学理论,本文对某平面网的监测数据建立模糊相似矩阵,以判别各期数据的相似程度,并采用模糊聚类分析方法对各监测点进行分类,以检验平面网各监测点的稳定程度。实验结果表明,该方法能够分析各期数据间的相似程度,并有效判别各监测点的细微变形,适用于变形监测点的稳定性检验     

BDS三频信号最优组合的模糊聚类分析法

针对如何优选出三频BDS最优载波相位线性组合观测量的问题,基于三频GNSS载波相位组合观测量理论,本文提出最优组合观测量选取的模糊聚类分析法。首先构建满足超宽巷组合和窄巷组合条件,且具有不同巷数、电离层数及噪声放大因子的三频BDS组合观测量,并假定各参数均为最优值的理论最优组合观测量;然后对满足条件的超宽巷组合和窄巷组合用模糊聚类分析法进行聚类排序;最后根据各组合观测量与假定的最优组合观测量聚为一类的先后顺序,确定三频BDS最优组合观测量的选取顺序。结果表明:模糊聚类分析法通过组合观测量的聚类排序,实现了最优组合观测量的筛选。无几何TCAR算法也验证了模糊聚类分析结果的正确性。     

一种模糊聚类的遥感影像分析方法研究

针对传统模糊聚类的遥感影像分析方法的不足,重点研究基于模糊ISODATA聚类的遥感影像分析。通过Matlab软件编程实现基于迭代自组织数据分析技术、模糊C均值聚类、模糊ISODATA算法对合成图像、纹理图像及真实遥感影像的分类,并对其分类结果进行讨论。通过实验数据对比,评价FISODATA算法的优越性。实验结果表明:ISODATA算法及FISODATA算法都能够实现变类,而FCM算法只能在固定聚类数下进行分类,但是,ISODATA算法分类机制不稳定,不能每次都确定正确聚类数。在迭代过程中,将FISODATA算法引入模糊集理论,便能够快速准确的实现聚类数的确定。     

空间数据模糊聚类的有效性(英文)

The validity measurement of fuzzy clustering is a key problem. If clustering is formed, it needs a kind of machine to verify its validity. To make mining more accountable, comprehensible and with a usable spatial pattern, it is necessary to first detect whether the data set has a clustered structure or not before clustering. This paper discusses a detection method for clustered patterns and a fuzzy clustering algorithm, and studies the validity function of the result produced by fuzzy clustering based on two aspects, which reflect the uncertainty of classification during fuzzy partition and spatial location features of spatial data, and proposes a new validity function of fuzzy clustering for spatial data. The experimental result indicates that the new validity function can accurately measure the validity of the results of fuzzy clustering. Especially, for the result of fuzzy clustering of spatial data, it is robust and its classification result is better when compared to other indices.     

利用二型模糊聚类进行全球海表温度数据挖掘

基于二型模糊集的C均值聚类方法对全球时序海表温度数据进行了聚类分析,得到全球海表温度异常的典型聚类模式,并从聚类中心挖掘出潜在的海洋气候指数。     

空间数据模糊聚类的有效性评价

基于模糊划分中存在的分类不确定性因素和空间数据的空间位置特征,提出了一种新的空间数据模糊聚类有效性函数。实验结果表明,这种新的有效性函数能够对模糊聚类结果的有效性进行正确的评价,特别是对于空间数据模糊聚类有效性评价,其分类效果较理想,同其他有效性指标相比,能得到较优的分类数。     

模糊聚类及其在滑坡监测中的应用研究

模糊聚类的关键在于确定评价模糊聚类效果的阈值λ。本文针对滑坡形变,研究了监测点的模糊聚类算法,对于模糊聚类效果,提出了基于先验信息和后验信息的评价方法,并进行了实例验证。本文的研究有助于对滑坡变形势态、原因和趋势的了解,有助于对滑坡变形监测方案的修改和完善。     

基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割

针对传统模糊聚类分割算法无法克服合成孔径雷达(synthetic aperture radar, SAR)图像中固有的斑点噪声问题, 提出了一种利用可变形状参数Gamma分布和邻域相关性的模糊聚类分割算法。可变形状参数Gamma分布用于建模多视SAR强度图像的斑点噪声, 并以其负对数作为特征场中像素与聚类间强度的相似性测度模型; 通过马尔可夫随机场(Markov random field, MRF)建立标号场中邻域像素的类属相关性模型; 在模糊聚类框架下, 以上述模型为基础构建模糊目标函数; 在目标函数最小化准则下, 求解最优结果。实验表明, 可变形状参数Gamma分布能够更加准确地拟合同质区域内像素强度的统计直方图。为有效求解包涵在Gamma函数内的形状参数, 采用牛顿迭代算法估计其数值解。对合成和真实多视SAR图像分别进行分割实验, 定性、定量分析的结果验证了本文算法的有效性。     

一种顾及上下文的遥感影像模糊聚类

模糊聚类是非监督分类中的一类重要方法。传统的模糊聚类方法应用于遥感影像的非监督分类时，均未考虑到邻域像元间的统计依赖关系即上下文信息。针对这一缺陷，在Markov随机场模型框架下，引入了空间隶属度概念，提出了一种顾及上下文信息的模糊聚类算法，有效地提高了聚类精度和抗噪声能力。针对需要预先指定聚类个数的问题，采用了一种兼顾类别内部紧密程度和类别之间分离程度的评价指标，用以检验聚类结果的有效性。从而找出最优的聚类个数，在一定程度上提高了聚类结果的客观性。最后通过实验验证了本文算法的有效性。     

基于最小平方和残差的高阶模糊联合聚类算法

目前,多数高阶联合聚类算法属于硬划分方法,不考虑聚簇重叠问题。为了更有效地分析具有重叠聚簇结构的数据,提出了一种基于最小平方和残差的高阶模糊联合聚类算法(MSR-HFCC),该算法将聚类问题转化为最小化模糊平方和残差的优化问题,推导出求解优化问题的隶属度迭代更新公式,设计出聚类过程的迭代算法。实验结果表明,MSR-HFCC算法聚类效果优于目前已有的5种硬划分高阶联合聚类算法。     

改进的区间二型模糊聚类遥感影像变化检测

遥感影像的复杂模糊性问题会干扰影像变化检测的结果,可引入区间二型模糊C均值聚类算法解决此问题,但算法参数的随机性导致检测结果不稳定。本文首先利用局部最优解优化萤火虫算法中的候选解,引入可变步长因子,以此自适应寻优区间二型模糊C均值聚类算法的模糊因子;然后结合寻优得到的模糊因子进行区间二型模糊C均值聚类,迭代更新隶属区间提取变化信息;最后通过基于复合梯形法则的加权Karnik-mendel算法降型和解模糊优化聚类中心,依据最大隶属度原则判断变化类型。通过试验验证,本文方法得到更优模糊因子和更精确的聚类中心,具有更好的稳健性,变化检测精度得到提高,检测得到的变化区域更加精细。