全Bregman散度和二部图相结合的高光谱图像稳健聚类算法

P237; 针对传统基于图的谱聚类算法底层计算复杂度高、聚类精度低,难以应用于大规模数据聚类,本文利用锚点与数据点之间的相似性度量,提出了一种基于图的聚类算法来处理高光谱图像分类问题,称为全Bregman散度和二部图相结合的高光谱图像稳健聚类算法(RTBBG).首先,在构造二部图的过程中添加了高光谱图像的空间信息,使得高光谱图像丰富的空间信息得以充分利用;然后,利用全Bregman散度来优化传统的欧氏距离作为数据点与锚点之间新的相似性度量,使得构建的二部图更加稳定,增强了算法稳健性;最后,利用K-means算法直接进行光谱聚类得到最终聚类结果.通过在3个大规模高光谱数据集上进行测试,验证了本文...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 52; no. 10; pp. 1749 - 1759
Main Authors 刘含, 吴成茂, 李昌兴
Format Journal Article
LanguageChinese
Published 西安邮电大学通信与信息工程学院,陕西 西安 710121%西安邮电大学电子工程学院,陕西 西安710121%西安邮电大学理学院,陕西 西安 710121 20.10.2023
Subjects
空间信息
高光谱图像
similarity measurement
hyperspectral image
total Bregman divergence
相似性度量
二部图
bipartite graph
spatial information
全Bregman散度
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2023.20220637

Cover

More Information
Summary:P237; 针对传统基于图的谱聚类算法底层计算复杂度高、聚类精度低,难以应用于大规模数据聚类,本文利用锚点与数据点之间的相似性度量,提出了一种基于图的聚类算法来处理高光谱图像分类问题,称为全Bregman散度和二部图相结合的高光谱图像稳健聚类算法(RTBBG).首先,在构造二部图的过程中添加了高光谱图像的空间信息,使得高光谱图像丰富的空间信息得以充分利用;然后,利用全Bregman散度来优化传统的欧氏距离作为数据点与锚点之间新的相似性度量,使得构建的二部图更加稳定,增强了算法稳健性;最后,利用K-means算法直接进行光谱聚类得到最终聚类结果.通过在3个大规模高光谱数据集上进行测试,验证了本文算法的有效性.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2023.20220637