计算机应用研究

作者：刘怡俊,龙锦涛,杨晓君,

单位：广东工业大学信息工程学院,广州510006；

关键词：高光谱图像,模糊聚类,多层图,非负正则项,

基金：广东省重点领域研发计划资助项目(2018B010115001)；广东省自然科学基金资助项目(2021A1515011141)；；

针对传统模糊聚类算法对初始聚类中心非常敏感以及对高光谱图像处理效果不佳的问题，为减少聚类数据的复杂度、降低聚类过程的计算成本以提升聚类性能，提出了一种基于多层二部图的高光谱模糊聚类算法。首先使用SuperPCA预处理方法对超像素分割得到的每个同质区域进行PCA来学习HSI数据不同区域的固有低维特征，从而获得高光谱数据的低维表示；其次，构造一个多层二部图矩阵来描述数据点和锚点之间的关系，降低了计算复杂度；最后，在模糊聚类中加入基于多层二部图的非负正则项来约束模糊隶属度矩阵的解空间。在Indian Pines和Pavia University数据集上进行的实验表明，所提算法能提高聚类效果与性能。

来源：2023年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第4期