Гистограммный иерархический алгоритм и понижение размерности пространства спектральных признаков
Скачать файл:
URI (для ссылок/цитирований):
https://elib.sfu-kras.ru/handle/2311/35004Автор:
Сидорова, В.С.
Sidorova, Valerija S.
Дата:
2017-09Журнал:
Журнал Сибирского федерального университета. Техника и технологии. Journal of Siberian Federal University. Engineering & Technologies;2017 10 (6)Аннотация:
Предлагается алгоритм понижения размерности данных в процессе иерархической
гистограммной кластеризации данных дистанционного зондирования Земли. Иллюстрировано
применение алгоритма к многоспектральным данным. Кластеризация большого объема
данных ДЗЗ обычно осуществляется двумя способами: по K средним (заранее должно быть
известно число кластеров K и приближенное распределение данных) и гистограммными.
Здесь предлагается иерархический гистограммный алгоритм, который не требует задания
числа кластеров и является быстрым. В работе рассматривается вопрос о сокращении
размерности собственного пространства признаков, полученного методом иерархического
гистограммного алгоритма. Получая кластеры многоспектрального изображения, обратим
внимание на то, что различные кластеры, соответствующие различным объектам на Земле,
могут характеризоваться различной размерностью данных, т.е. множество спектральных
каналов, поступающих со спутника, может оказаться лишним для ряда объектов. Детальность
кластеризации также может оказаться различной в разных кластерах This paper proposes the algorithm for dimension reduction of data in the process of hierarchical
histogram clustering data of remote sensing of the Earth. Application of the algorithm is illustrated
to multispectral data. Clustering large amount of data remote sensing is usually carried out in two
ways: by K medium (in advance, you must know the number of clusters K and an approximation of
the data distribution), and histogram. Here we propose a hierarchical histogram algorithm, which
does not require to specify the number of clusters and is quick. This paper considers the issue of
reducing the dimension of own space of features, obtained by hierarchical histogram algorithm.
Getting clusters of multispectral image, pay attention to the fact that the different clusters
corresponding to different objects on Earth can be characterized by different dimensionality of
the data, i.e., the set of spectral channels coming from the satellite, it may be unnecessary for a
number of objects. Also, the level of detail of clustering can be different in different clusters