半监督复合核图聚类在高光谱图像中的应用
李志敏, 郝盼超, 黄鸿, 黄文. 半监督复合核图聚类在高光谱图像中的应用[J]. 光电工程, 2016, 43(4): 33.
LI Zhimin, HAO Panchao, HUANG Hong, HUANG Wen. Semi-supervised Graph Clustering with Composite Kernel and Its Application in Hyperspectral Image[J]. Opto-Electronic Engineering, 2016, 43(4): 33.
[1] 李吉明，贾森，彭艳斌. 基于光谱特征和纹理特征协同学习的高光谱图像数据分类 [J].光电工程， 2012，39(11)：88-94.
[2] 赵春晖，齐滨. 基于模糊核加权 C-均值聚类的高光谱图像分类 [J].仪器仪表学报， 2012，33(9)：2016-2021.
ZHAO Chunhui，QI Bin. Hyperspectral image classification based on fuzzy kernel weighted c-means clustering [J]. Chinese Journal of Scientific Instrument，2012，33(9)：2016-2021.
[3] 李巧兰. 基于约束的半监督聚类的图像分割算法研究 [D].西安：西安电子科技大学， 2014：1-2.
LI Qiaolan. Semi-supervised clustering based on constraints for image segmentation [D]. Xi′an：Xidian University，2014：1-2.
[4] 冷明伟. 主动半监督聚类及其在社团检测中的应用研究 [D].兰州：兰州大学， 2014：14-23.
LENG Mingwei. Research of active semi-supervised clustering and its application in community detection [D]. Lanzhou： Lanzhou University，2014：14-23.
[5] 陈小冬，尹学松，林焕祥. 基于判别分析的半监督聚类方法 [J].计算机工程与应用， 2010，46(6)：139-143.
CHEN Xiaodong，YIN Xuesong，LIN Huanxiang. Semi-supervised clustering approach with discriminant analysis [J]. Computer Engineering and Applications，2010，46(6)：139-143.
[6] Camps-Valls Gustavo，Marsheva Tatyana V. Bandos，ZHOU Dengyong. Semi-supervised graph-based hyperspectral image classification [J]. IEEE Transactions on Geoscience and Remote Sensing(S0196-2892)，2007，45(10)：3044-3054.
[7] 李亚娥. 基于图的半监督分类算法研究 [D].西安：陕西师范大学， 2012：15-18. LI Ya′e. Research on graph-based semi-supervised classification algorithm [D]. Xi'an：Shanxi Normal University，2012：15-18.
[8] Papadopoulos Dimitris F，Simos Theodore E. A modified runge-kutta-nystr.m method by using phase lag properties for the numerical solution of orbital problems [J]. Applied Mathematics & Information Sciences(S1935-0090)，2013，7(2)：433-437.
[9] 谢娟英，郭文娟，谢维信，等. 基于样本空间分布密度的初始聚类中心优化 K-均值算法 [J].计算机应用研究， 2012， 29(3)：888-892.
XIE Juanying，GUO Wenjuan，XIE Weixin，et al. K-means clustering algorithm based on optimal initial centers related to pattern distribution of samples in space [J]. Applications Research of Computers，2012，29(3)：888-892.
[10] 王峰，籍锦程，聂百胜. K-均值聚类模糊逻辑数据融合改进算法研究 [J].中北大学学报：自然科学版， 2014，35(6)： 699-703.
WANG Feng，JI Jincheng，NIE Baisheng. An improved fusion method of fuzzy logic based on k-mean clustering [J]. Journal of North University of China：Natural Science Edition，2014，35(6)：699-703.
[11] 张慧哲，王坚. 基于初始聚类中心选取的改进 FCM聚类算法 [J].计算机科学， 2009，36(6)：206-209.
ZHANG Huizhe，WANG Jian. Improved fuzzy c-means clustering algorithm based on selecting initial clustering centers [J]. Computer Science，2009，36(6)：206-209.
[12] Kannan S R，Ramathilagam S. Effective fuzzy c-means clustering algorithms for data clustering problems [J]. Expert Systems with Applications(S0957-4174)，2012，39(7)：6292–6300.
[13] ZHAO Weizhong，HE Qing，MA Huifang. Effective semi-supervised document clustering via active learning with instance-level constraints [J]. Knowledge & Information Systems(S0219-1377)，2012，30(3)：569-587.
[14] Ozer Sedat，CHEN Chi H. A set of new chebyshev kernel function for support vector machine pattern classification [J]. Pattern Recognition(S0031-3203)，2011，44(7)：1435-1447.
[15] ZHANG Rui，WANG Wenjian. Facilitating the application of support vector machine by using a new kernel [J]. Export Systems with Applications(S0957-4174)，2011，38(11)：14225-14230.
李志敏, 郝盼超, 黄鸿, 黄文. 半监督复合核图聚类在高光谱图像中的应用[J]. 光电工程, 2016, 43(4): 33. LI Zhimin, HAO Panchao, HUANG Hong, HUANG Wen. Semi-supervised Graph Clustering with Composite Kernel and Its Application in Hyperspectral Image[J]. Opto-Electronic Engineering, 2016, 43(4): 33.
PDF全文
