×
吴成茂；郭晓康

一种新的基于区间值数据驱动的2类可能局部信息c-均值聚类土地覆盖分类方法。 （英语） Zbl 07581217号

国际J近似推理 148, 80-116 (2022).
摘要：在土地覆盖分类过程中，现有的模糊聚类不足以描述高阶模糊不确定性，而可能性聚类具有严重的参数依赖性和聚类一致性，这使得它们无法有效地处理“同光谱不同物体”的现象以及“光谱相同的不同物体”。因此，本文提出了一种稳健的基于局部信息和区间值数据的2类可能性C均值聚类模型，用于遥感土地覆盖分类。首先，根据局部邻域方差，将遥感信息建模为区间值数据。其次，对现有的可能性C均值聚类进行了改进，得到了一种增强的可能性C平均聚类。再次，它被用于区间值数据的聚类，并构造了一个单加权指数2型可能性C均值聚类和双距离测度。最后，为了进一步提高聚类方法的稳健性，将局部信息嵌入到增强的2类可能性C均值聚类的目标函数中，提出了一种新的稳健的可能性聚类相关的遥感信息分类算法。实验结果表明，该算法优于现有的2类聚类相关算法，对遥感图像的解译具有重要意义。

引用于2文件

MSC公司：

68层37 人工智能背景下的不确定性推理

关键词：

可能性C均值聚类；区间值数据；区间2型模糊集；本地信息；土地覆盖分类

软件：

阿帕奇火花
PDF格式BibTeX公司 XML格式引用
\textit｛C.Wu｝和\textit｛X.Guo｝，Int.J.近似推理148，80-116（2022；Zbl 07581217）
全文： 内政部

参考文献：

[1] Bezdek，J.C.（美国宾夕法尼亚州）。；埃利希·R。；Full，W.，FCM：模糊C均值聚类算法，计算。地质科学。，10, 2-3, 191-203 (1984)
[2] Zadeh，L.A.，作为可能性理论基础的模糊集，模糊集系统。，1、1、3-28（1978年1月）·Zbl 0377.04002号
[3] Krishnapuram，R。；Keller，J.M.，《集群的可能性方法》，IEEE Trans。模糊系统。，198-110（1993年5月）
[4] D’Urso，P.，《信息范式，聚类框架中的不确定性管理和理论形式：综述》，《信息科学》。，400-401、30-62（2017年8月）
[5] 北卡罗来纳州帕尔。；Pal，K。；Bezdek，J.C.，混合C均值聚类模型，（IEEE Int.Conf.Fuzzy Syst.IEEE Int Conf.Fuzzy Syst，西班牙（1997）），11-21
[6] 北卡罗来纳州帕尔。；Pal，K。；Keller，J.M。；Bezdek，J.C.，可能性模糊C均值聚类算法，IEEE Trans。模糊系统。，13、4、517-530（2005年8月）
[7] Rhee，F.C.H。；Hwang，C.，A type-2 fuzzy C-means聚类算法，（第20届NAFIPS国际会议IFSA World Congr.（2001）），1926-1929
[8] 黄，C。；Rhee，C.H.，《不确定模糊聚类：C均值的区间2型模糊方法》，IEEE Trans。模糊系统。，15、1、107-120（2007年2月）
[9] Yu，L。；肖，J。；Zhou，C.，稳健区间类型-2可能性C均值聚类，控制决策。，24、4、360-365（2009年4月）
[10] Zarandi，M.H.F。；Zarinbal，M.，《一种新的图像增强方法第2类可能的C均值方法》，（2013年IFSA世界大会和NAFIPS年会，2013年IFSA/NAFIPS年会，加拿大AB埃德蒙顿（2013）），1131-1135
[11] Raza，医学硕士。；Rhee，C.H.，核可能性C均值聚类的区间2型方法，（2012年IEEE国际IEEE会议（2012））
[12] Vu，M.N。；Long，T.N.，A multiple kernel interval type-2 possibilistic C-means，（Król，D.；etal.，Recent Developments in Intelligent Information and Database Systems.Recent Developments on Intelligation and Database-Systems，Studies in Computational Intelligence，第642卷（2016年），施普林格国际出版公司：施普林格瑞士国际出版公司）
[13] Mai，S.D。；Long，T.N.，Interval type 2 fuzzy C-means clustering with spatial information for land-cover classification，（Nguyen，N.；Trawinn ski，B.；Kosala，R.，Intelligent information and Database Systems，vol.9011（2015），Springer:Springer Switzerland），第387-397页
[14] Long，T.N。；Nguyen，D.D.，使用区间2型模糊聚类对多光谱卫星图像进行土地覆盖分类，（IEEE国际系统会议（2012年10月）），2371-2376
[15] 姜涛（Jiang，T.）。；胡，D。；Yu，X.，使用基于对象的三角模糊集建模的增强IT2FCM算法进行远程聚类，计算。地质科学。，118、14-26（2018年9月）
[16] 奥斯卡·C·。；Mauricio，S。；克劳迪娅·G。；Gabriela，M.，最近2型模糊图像处理应用综述，信息，8，3，97（2017年6月）
[17] Yu，X.，基于区间值数据模糊c-均值算法的遥感图像土地覆盖分类，科学。中国地球科学。，571306-1313（2014年1月）
[18] 冯·G。；镍，M。；欧，S。；Yan，W。；Xu，J.，一种用于遥感图像分类的优选区间值模糊c-均值算法，国际模糊系统杂志。，212212-2222（2019年7月）
[19] 徐，J。；冯·G。；风扇，B。；Yan，W。；Zhao，T。；太阳，X。；Zhu，M.，基于自适应区间模糊C均值算法结合空间信息的卫星图像土地覆盖分类，国际遥感杂志，41，6，2189-2208（2020）
[20] He，H。；Xing，H。；胡，D。；Yu，X.，基于聚类分析的新型土地覆盖分类模糊不确定性建模，科学。中国地球科学。，62, 2, 438-450 (2019)
[21] 辛格，A。；库马尔，A。；Upadhyay，P.，《将局部信息纳入光学遥感图像的可能C均值算法的新方法》，埃及。遥感空间科学杂志。，24, 1, 151-161 (2020)
[22] Madhu，A.，基于模糊分类器的局部卷积信息（2019年3月），特温特大学
[23] 张，H。；王，Q。；Shi，W。；Ming，H.，一种用于遥感图像分类的新型自适应模糊局部信息C均值聚类算法，IEEE Trans。地质科学。遥感，55、9、5057-5068（2017年9月）
[24] 张，A。；蒋伟（Jiang，W.）。；Zhang，Y。；钱，Z.，基于自适应区间2型模糊聚类的遥感图像变化检测，地理科学杂志。Tech.，35，4，376-382（2018年4月）
[25] 杨，Y。；Newsam，S.，《土地利用分类的视觉词汇和空间扩展》，（ACM SIGSPATIAL地理信息系统进步国际会议，ACM SIGSPATIAL地理信息系统发展国际会议，AMG GIS（2010））
[26] Martin，D.，人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用，（第八届IEEE国际计算机视觉会议论文集。第八届EEE国际计算机视觉大会论文集，ICCV 2001，加拿大不列颠哥伦比亚省温哥华（2001）），416-423，第2卷
[27] Carvalho，F.d.A.T.，符号区间数据的模糊C均值聚类方法，模式识别。莱特。，423-437（2007年3月）
[28] 张伟。；Liu，W.，区间数据的模糊C均值聚类算法，计算。工程师，34，11，26-28（2008年6月）
[29] Tran，L。；Duckstein，L.，使用模糊距离测度比较模糊数，模糊集系统。，130、3、331-341（2002年9月）·Zbl 1023.03543号
[30] 李，X。；张，S。；张，M。；Liu，H.，基于新距离测度的区间数排名，J.XIHUA Univ.（Nat.Sci.Edi.），2787-90（2008年1月）
[31] de Souza，R.M.C.R。；de Carvalho，F.D.A.T.，基于城市街区距离的区间数据聚类，模式识别。莱特。，25、3、353-365（2014年2月）
[32] Jajuga，K.，基于L1-形式的模糊聚类，模糊集系统。，39、1、43-50（1991年1月）·兹比尔0714.62052
[33] Bao，Y。；彭，X。；Zhao，B.，基于期望和宽度的区间数距离和完备性，模糊系统。数学。，133-139年6月27日（2013年12月）
[34] de Carvalho，F.D.A.T。；de Souza，R.M.C.R。；Chavent，M。；Lechevallier，Y.，自适应Hausdorff距离和符号区间数据的动态聚类，模式识别。莱特。，27、3、167-179（2006年2月）
[35] 李，Q。；何毅。；罗，J。；Xu，L.，区间数据的可能性聚类算法，计算。申请。软质。，30、10、251-254（2013年10月）
[36] 休伯特，L。；Arabie，P.，比较分区，J.Classif。，193-218年2月（1985年）
[37] He，H。；梁，T。；胡，D。；Yu，X.，基于对象的区间建模的遥感聚类分析，计算。地质科学。，94131-139（2016年6月）
[38] 辛格，A。；Kumar，A.，《将空间约束纳入遥感图像可能的C均值算法的基于模糊的方法》，国际期刊Intell。信息数据库系统。，13, 2-4, 307-318 (2020)
[39] Mai，M。；本田，K。；Notsu，A.，Xie-Beni型模糊聚类验证在文档和关键字模糊联合聚类中的应用，Adv.Intell。系统。计算。，270, 29-38 (2014) ·Zbl 1298.68241号
[40] Mishro，P.K。；阿格拉瓦尔，S。；熊猫，R。；Abraham，A.，脑MR图像分割的新型2型模糊C均值聚类，IEEE Trans。赛博。，51、8、3901-3912（2021年8月）
[41] 尤金尼奥，B.D。；Glass，M.，Squibs和讨论-Kappa统计：第二次观察，计算。语言学家。，30,195-101（2004年3月）·Zbl 1234.68406号
[42] http://www.ehu.eus/ccwintco/index.php？title=Hyperspectral_Remote_Sensing_Scenes
[43] Fan，J.L。；Zhen，W.Z。；Xie，W.W.，抑制模糊c-均值聚类算法，模式识别。莱特。，1607-1612年6月24日（2003年6月）·Zbl 1048.68078号
[44] 赵，F。；Fan，J.L。；Liu，H.Q.，基于最优选择的抑制模糊c-均值聚类算法，用于图像分割，专家系统。申请。，41、9、4083-4093（2014年7月）
[45] 吴昌明。；Liu，N.，用于图像分割的抑制鲁棒图像模糊聚类，软计算。，25，3751-3774（2021年3月）·兹比尔1498.94017
[46] Jha，P。；Tiwari，A。；巴里尔，N。；Ratnaparkhe，M。；穆尼卡，M。；Nagendra，N.，基于Apache Spark的核化模糊聚类框架，用于单核苷酸多态性序列分析，计算。生物化学。，92，第107454条pp.（2021年6月）
[47] 吴杰。；吴，Z。；曹，J。；刘，H。；陈，G。；Zhang，Y.，模糊共识聚类及其在大数据上的应用，IEEE Trans。模糊系统。，25、6、1430-1445（2017年12月）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。