一种改进的克隆选择算法及其在遥感图像分类中的应用

摘要

针对传统的克隆选择算法只依次单独针对某一类样本数据进行监督学习从而造成的分类效率和精确度不高的问题，提出一种基于改进克隆选择算法的多类监督分类算法，并应用于UCI数据分类和多光谱遥感图像分类。算法通过进化学习可以同时获得多类样本数据的最佳聚类中心，进化过程中抗体适度值的计算综合考虑各类的类内相似性和类间差异性，从而保证获取的最佳聚类中心更具代表性。分别利用4组常用的UCI数据和红树林多光谱TM遥感图像对算法进行验证，实验结果显示遥感图像的分类总精度达到92%,Kappa系数为0.91，UCI数据分类结果也较好，因此该算法是一种有效的多类数据分类算法。