谢福鼎¹，雷存款¹，李芳菲¹，嵇敏²

1. 辽宁师范大学城市与环境学院,大连 116029; 2. 辽宁师范大学计算机与信息技术学院, 大连 116081

出版日期:2018-12-25发布日期:2019-02-22

Unsupervised Band Selection Based on Fuzzy c-Means Algorithm and Artificial Bee Colony Algorithm

XIE Fuding¹ ,LEI Cunkuan¹ ,LI Fangfei¹ ,JI Min²

1. Department of Urban and Environmental Science, Liaoning Normal University, Dalian 116029; 2. Department of Computer Science and Technology, Liaoning Normal University, Dalian 116081

Online:2018-12-25Published:2019-02-22







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

波段选择是高光谱影像处理中一种重要的降维方法. 在类标签不可获得的情况下, 如何选择出一个具有代表性的波段子集是一个挑战性的问题. 为了解决高光谱数据维数灾难以及光谱空间冗余的问题, 基于模糊c均值算法(Fuzzy c-means, FCM),人工蜂群算法(Artificial Bee Colony, ABC) 与极 大熵准则(Maximum Entropy, ME),文章提出了一种新的无监督波段选择方法. 该方法首先通过FCM算法将相似的波段划分到一个波段子集中,然后以ME为ABC算法中的适应度函数, 寻 找优化的波段子集.为验证该算法的有效性, 在三个典型的高光谱数据集上, 将所提出的方法和其它一些有效的波段选择算法进行了分类精度和计算时间对比. 实验结果表明,所提出的算法不但可以得到高的分类精度, 同时在计算时间上也具有明显的优势.

分享此文:

()

[1]	宋娟，倪志伟，李萍，伍章俊，彭鹏. 基于参数优化深度置信网络的雾霾预测模型[J]. 系统科学与数学, 2020, 40(9): 1644-1661.
[2]	孙越泓, 江雪, 徐鑫, 肖克炼. 基于分享学习和柯西变异的多目标人工蜂群算法[J]. 系统科学与数学, 2019, 39(7): 1031-1053.
[3]	贾凯，倪志伟，李敬明，陆玉佳，朱旭辉. 基于改进二进制人工蜂群的BP神经网络并行集成学习算法及其应用研究[J]. 系统科学与数学, 2019, 39(3): 477-494.
[4]	贾玉改，唐锡晋. 在线极化辩论立场与理性表达关系研究[J]. 系统科学与数学, 2019, 39(10): 1642-1654.
[5]	王丝丝，张敬磊，陈慈，张洪宾，马春杰. 基于方差与改进群智能算法的$K$-means聚类优化[J]. 系统科学与数学, 2018, 38(10): 1117-1127.
[6]	姚娆，谢福鼎. 基于谱-空-纹特征融合的高光谱影像分类方法[J]. 系统科学与数学, 2017, 37(10): 2103-2110.
[7]	段渊. 一种新的多目标人工蜂群算法[J]. 系统科学与数学, 2016, 36(1): 93-106.
[8]	冯光庭，殷秀芝，凌中华，张兴安. 一类~${\bm n}{\bf +1}$~次平面拟齐次向量场的全局性质[J]. 系统科学与数学, 2014, 34(4): 475-487.
[9]	余乐安;汪寿阳 . 基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用[J]. 系统科学与数学, 2009, 29(10): 1311-1326.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13498