基于模糊C-均值聚类算法的遥感影像分类

全部作者：	王翠玲王1冒
第1作者单位：	中国矿业大学环境与测绘学院
论文摘要：	本文简要介绍了K-均值聚类和模糊C-均值聚类算法，传统的k-均值聚类算法广泛用于图像的自动分类,但没有考虑到图像信息的不确定性问题,模糊C-均值聚类方法有效的解决了遥感信息的不确定性和混合像元的划分。对徐州影像数据的聚类实验分析表明，模糊C－均值聚类方法的聚类效果要优于K－均值聚类方法。
关键词：	影像分类，K-均值聚类，模糊C-均值聚类远程下载论文(免费PDF论文全文)
发表日期：	2007年11月19日
同行评议：	该文章在分析K-均值聚类算法缺陷和模糊C-均值聚类算法优势的基础上，以2002年徐州市的影像为实验数据，进行两种聚类算法的对比实验，得出了有益的结论，可以供有关从事此类工作的人员参考。论文还存在以下问题：1.论文内容主要是K-均值聚类和模糊C-均值聚类的算法比较，即论文的题目与内容不太贴切，建议作者换1个题目。2.建议在2.1节添加K-均值聚类算法的实现步骤。3.在实验分析中，建议作者进行两种算法的统计比较，如分类的正确率、错误率等。4.文章的`文字表达欠精炼，如引言部分的表述逻辑性不强。5.文章多处标点符号存在“半角与全角”、关键词间用分号等问题，见摘要、关键词、参考文献部分，其他部分重新检查1遍。
综合评价：
修改稿：
注：同行评议是由特聘的同行专家给出的评审意见，综合评价是综合专家对论文各要素的评议得出的数值，以1至5颗星显示。