论文部分内容阅读
高斯混合密度降解模型（ＧＭＤＤ）是一种基于稳健统计理论的层次结构的聚类模型。ＧＭＤＤ首先假设特征空间是由一组混合的高斯（Ｇａｕｓｓｉａｎ）分布组成，然后通过一定的优化算法来获得特征空间中与预先假设相符合的特征分布，并逐步分离，直到特征空间全部降解为一组混合特征模式的分布集。ＧＭＤＤ与传统统计聚类模型相比较，主要优点为：特征类别不受限定、抗干扰力强、参数估计与初始无关、考虑密度分布的可变性等。文中初步探讨基于ＧＭＤＤ方法的遥感影像特征发现模型（ＧＩＦＥＭ），并提出基于遗传算法的ＧＭＤＤ优化模型。