论文摘要
聚类分析是多元统计分析的一个重要分支,也是非监督分类的一个重要分支。它把一个没有类别标记的样本集按某种准则划分成若干个子类,使相似的样品尽可能地归为一类,而不相似的样品尽可能地划分到不同的类中。目前,该方法已经被广泛地应用于生物学、气候学、经济学和遥感等许多领域,其目的在于区别不同的事物并认识事物间的相似性。因此,聚类分析的研究具有重要的意义。聚类分析经过几十年的发展,已形成了非常庞大的内容体系,已经实现的算法很多,但现有关于聚类分析的研究至少存在以下2个方面的不足:其一,在分类前需预先指定分类数,这可能与研究对象实际存在的类不吻合,影响聚类的结果; 其二,现有的聚类分析在处理包含噪声的大容量复杂样本时错分的情况较多。本文围绕聚类的这两个缺点,结合贝叶斯理论提出了一种新的聚类方法——基于几何概率的聚类分析。遥感数据属于包含噪声的大容量复杂样本,现有的聚类分析算法直接得到的遥感影像分类结果中错分的情况较多,一般低于监督分类的精度。本文提出基于几何概率的聚类分析方法,该方法运用几何概率直接根据像元在灰度空间中的分布特征决定分类数,按照先分大类、后分小类、逐层细分的顺序确定分类方案。实验表明,该方法能够明显提高遥感影像的分类精度。