MSCMO：基于数学形态学算子的尺度空间聚类方法

提出了一种基于数学形态学算子的多尺度聚类方法 :首先将数据进行二值图像化处理 ,利用一次闭开运算去除噪声干扰后再利用逐步增大结构元素的闭运算构建尺度空间 ,图像内的连通单元集随着尺度上升不断融合 ,最终全部归并。将连通集覆盖下的点集归为一类 ,以上步骤就对应了一个多尺度层次聚类过程。本算法的一个最大优点是聚类个数事先无需设定 ,而被确定为跨越最多尺度 (具有最长尺度生存期 )的类别个数。此外 ,参数少、能够提取任意形状的类别、具有较强的抗噪声能力也是算法的优点。对自构建数据与地震数据的聚类实验验证了方法的有效性和实用性     

高分辨率遥感影像超像素的模糊聚类分割法

传统模糊C均值聚类在影像分割中只考虑影像的灰度特征,导致该算法用于高空间分辨率遥感影像分割时分割结果不理想。针对该问题,本文提出了一种高分辨率遥感影像超像素的模糊聚类分割方法。该方法首先利用分水岭变换算法产生多个超像素子区域;然后比较各个子区域间光谱特征的相似性;最后利用融合光谱特征的模糊C均值聚类对这些超像素子区域进行合并。试验选用4组不同场景的遥感影像,采用定性和定量相结合的方法评价试验结果。试验结果表明,该方法有效提高了分割区域的分割精度,并取得了较好的分割视觉效果。     

Application of digital image processing to the determination of spatial distribution of earthquakes

（陈锦标，沈萍，郑治真）Ａｐｐｌｉｃａｔｉｏｎｏｆｄｉｇｉｔａｌｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｏｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｅａｒｔｈｑｕａｋｅｓ￥Ｊｉｎ－ＢｉａｏＣＨＥＮ；ＰｉｎｇＳＨＥＮａｎｄＺ...     

基于MRF随机场的多光谱遥感影像最优化分级聚类

有限混合模型FM的分级聚类已广泛应用于不同领域,然而,由于它的计算复杂度与观测数据量平方成正比,致使在遥感影像方面应用受到了限制。另外,多光谱图像能提供空间和光谱两类信息详细的数据,但是,大多数多光谱图像聚类方法是基于像素的聚类,仅使用了其光谱信息而忽视了空间信息。本文定义一个相对混合密度函数,通过引入一个q-参数来调节各成分密度对其混合分布的贡献,提出一种广义有限混合模型GFM．设计一种新的适用于多光谱遥感影像的GFM分级聚类算法。该算法把MRF随机场和GFM模型结合在了一起,分类数通过PLIC准则自动确定。最后,利用仿真结果验证该算法的有效性,同时通过与K均值聚类、FM分级聚类以及SVMM分级聚类的比较说明本文算法的优越性。     

基于灰色聚类分析方法的生态环境质量综合评价模型

本文解释了生态环境质量评价的概念与现状,说明了灰色聚类分析的原理和一般过程,阐述了生态环境质量综合评价的基本步骤。以中国贵州省遵义县为研究区域,采用该县2003年的资源环境、人口社会经济及灾害数据,针对区域主要生态问题,选取评价指标体系,利用灰色系统理论的灰色聚类分析法建立了生态环境质量综合评价模型。评价结果显示东部生态环境质量较好,而西部较差。这与实际情况相吻合,说明该评价模型具有科学合理性与客观准确性。该评价方法也可用于其他区域的生态环境质量评价。     

基于自适应膨胀因子的模糊覆盖分级方法

分级界限的确定一直都是学者们关注的焦点,而如何确定分级数则往往被忽略了.根据模糊覆盖和膨胀因子的定义,提出了一种确定1维数据分级数的分级方法:首先通过覆盖半径做一个模糊覆盖,利用自膨胀因子对这个覆盖进行扩张,直到不能再向外扩张为止,这一级就确定了;然后进行下一级的确定.该方法不仅可以自动确定数据的分级数,而且克服了分级结果对参数的敏感性.最后用实验证明了方法的有效性.     

分布式增量机制下的交通流大数据聚类分析

时空聚类分析是对时空大数据进行利用的一种有效手段。本文提出了一种分布式增量大数据聚类分析方法,利用分布增量机制不但可以减少重复计算和迁移拷贝次数,而且可以持续对聚类结果进行修正,能够在保持聚类准确性的条件下提升整体运算效率。而聚类算法本身通过数据聚集趋势预分析、聚类算法和结果评价3个步骤,构建了一体化时空邻域,在时间和空间维度保证了聚类结果的准确性。经过试验证明该方法可以实现时空大数据的快速高效信息挖掘。     

自然灾害调查数据的多尺度异常检测方法研究及应用

大范围自然灾害调查,涉及区域环境差异大,数据获取方式多样,参与人员多,各级汇总成果中存在一些异常调查单元,需要人工判读其合理性,但单纯依靠人工从海量数据中有效识别异常是不现实的。本文设计了一种自然灾害调查数据的多尺度异常检测方法,综合运用离群检测方法和空间数据挖掘算法,分别进行异常值和异常空间分布模式检测,能够从海量调查数据中快速提取各级尺度的异常值和异常调查单元,支撑人工判读工作。将该方法应用于全国山洪灾害调查评价汇总数据的审核中,以全国历史山洪灾害点和防治区乡镇面积审核为例,分别快速提取了县乡两级区划中的山洪灾害点密度异常单元和面积值异常的乡镇单元,通过对检测结果进行分析,发现是填报口径不一致、单位错误、记录重复等原因造成的。最后分析了该方法在大范围自然灾害调查中的适用条件和方法。     

基于模糊聚类的声呐图像多区域分割

图像分割是图像识别中的主要问题,同时它又是一个经典难题;声呐图像恶劣的品质使图像的分割变得更为困难。文章将模糊聚类应用于声呐图像的多区域分割,实验证明这种方法简便而有效。     

On the Optimal Estimation of the Cumulative Distribution Function in Presence of Spatial Dependence

For spatial analysis of data, the optimal prediction of the cumulative distribution function (c.d.f.) is made difficult by the presence of spatial dependence, particularly when data are clustered. Several methods have been proposed in the literature to correct for the redundancy which is present when the observed values are correlated. Most of them are based on an unequal weighting of the values for the computation of the c.d.f. The methodology is extended by defining weights which depend both on the spatial correlation and on the threshold value. If a parametric multivariate distribution is assumed, optimal weights can be obtained conditionally to the choice of this distribution, and a nonparametric indicator estimate of the c.d.f. can be defined a posteriori. The method can be extended in order to provide kernel smoothed estimates of the c.d.f., by replacing the indicator functions by other functions taken here as complementary differentiable c.d.f., whose parameters are defined in order to preserve the unbiasedness and minimum variance property of the estimate, conditionally to the choice of the a priori distribution. A simulation study is conducted in order to emphasize the properties of the various methods. It is found that, even for bounded and positively skewed distributions, a simplified version of the method seems to perform quite well without significant loss of efficiency, and provides smooth estimates of the c.d.f. which can be differentiated in order to obtain density estimates. These estimates do not depend highly on the choice of the parameters for the a priori distribution, and yet they respect major characteristics of the a priori c.d.f., such as lower and upper bounds, which are mainly dictated by the nature of the variable under study. A practical case study is conducted on cobalt concentrations for various rock types in the Swiss Jura, illustrating the applicability of the methodology for real datasets.