论文部分内容阅读
针对训练样本无先验别知识指导的高光谱影像聚类问题,提出一种结合极限学习机的高光谱影像非监督分块聚类算法.首先对影像进行预聚类,采用分块策略选取训练样本;然后在传统谱聚类算法的基础上引入极限学习机预测机制,利用训练样本求解极限学习机的最优输出矩阵;最后通过极限学习机对整幅高光谱影像进行特征映射,进而在嵌入空间实现聚类.采用6组高光谱影像进行实验,与K均值和谱聚类等传统算法的聚类精度对比的结果表明,该算法能够克服谱聚类算法内存空间的瓶颈问题,实现大尺寸高光谱影像的聚类,并且在一定程度上提高了聚类精度.