逐步寻优数据挖掘方法及其遥感影像分类模型

摘要

在特征空间中寻找特征模式，一般是通过预先假设的分布密度函数一次性地对特征空间进行分离来获得特征总体分布。但由于特征样本集之间互相重叠或者由于离散样本相互干扰的原因，很难获取细节性和过程性的分布结构，而降低了特征获取的精度和对其的解释能力。该文提出逐步寻优的数据挖掘方法(SOMM)，是砂定化计算寻优理论基础上，融合知识的参数化分布函数，逐步分离特征空间，获得特征树状的逐步降解的层次结构；进一步提出多波段遥感影像数据的非监督聚类模型和监督分类模型；通过对香港元朗地区的遥感影像土地覆盖分类，对过程和结果进行综合分析，与统计和神经网络分类方法相比较，SOMM方法在过程化、细节化、分类精度、融合领域知识等方面具有一定的优势。