并行的中心点优化选取遥感影像聚类算法

吉林大学学报(信息科学版) ›› 2015, Vol. 33 ›› Issue (4): 441-.

并行的中心点优化选取遥感影像聚类算法

潘欣, 孙宏彬

长春工程学院计算机技术与工程学院, 长春130022

出版日期:2015-07-24 发布日期:2015-12-02
作者简介:潘欣(1978—), 男, 长春人, 长春工程学院副教授, 硕士生导师, 主要从事遥感数据应用研究, (Tel)86-13844908223 (E-mail)panxinpc@163. com。
基金资助:
国家自然科学基金青年基金资助项目(41101384); 吉林省教育厅基金资助项目(2014327); 吉林省科技厅基金资助项目(20130101179JC-23; 20120332); 吉林省发改委基金资助项目(2013C048); 吉林省科技厅国际合作基金资助项目(20140105)

Parallelized Center Vector Optimized Selection Algorithm for Remote Sensing Image Cluster

PAN Xin, SUN Hongbin

School of Computer Project & Technology, Changchun Institute of Technology, Changchun 130022, China

Online:2015-07-24 Published:2015-12-02

摘要/Abstract

摘要：

为了解决遥感影像聚类个数及中心点选取的问题, 提出了一种并行的中心矢量优化选取的遥感影像聚类算法(PCVOS: Parallelized Center Vector Optimized Selection Algorithm for Remote Sensing Image Cluster)。该算法引入模糊评价目标函数并给出了一种染色体评价机制, 提高聚类染色体在类目、空间划分的多样性; 同时引入MPI(Massage Passing Interface)多进程并行技术, 加快了算法运行速度。实验结果表明, 相对于传统的K-Means、ISODATA(Iterative Self Organizing Data Analysis Techniques Algorithm) 和ACDE(Automatic Clustering Differential Evolution)算法, PCVOS 不但可以获得更好的聚类效果, 而且可以充分利用并行资源加快算法运行速度。

关键词: 聚类, 遥感影像, 聚类个数, 并行计算, 优化选择

Abstract:

In order to solve the problem of selecting the clustering number of remote sensing images and positions of center points, Proposed a PCVOS ( Parallelized Center Vector Optimized Selection Algorithm for Remote Sensing Image Cluster) which introduces fuzzy evaluation of the objective function and put forward an evaluation mechanism of chromosomes to improve the diversity of category and space division of clustering chromosomes is proposed. The MPI multi-process parallel technology is simultaneously introduced to speed up the running speed of the algorithm. The experiment shows that compared with the traditional K-Means, ISODATA(Iterative Self Organizing Data Analysis Techniques Algorithm) and ACDE ( Automatic Clustering Differential Evolution) algorithm, PCVOS can obtain a better clustering effect, and make full use of parallel resources to speed up the running speed of the algorithm.

Key words: cluster, remote sensing image, category number, parallel computing, optimized selection

中图分类号:

TP751

潘欣, 孙宏彬. 并行的中心点优化选取遥感影像聚类算法[J]. 吉林大学学报(信息科学版), 2015, 33(4): 441-.

PAN Xin, SUN Hongbin. Parallelized Center Vector Optimized Selection Algorithm for Remote Sensing Image Cluster[J]. Journal of Jilin University(Information Science Ed, 2015, 33(4): 441-.

[1]	夏华, 洪伟, 安学成. 基于特征点的目标识别系统研究[J]. 吉林大学学报(信息科学版), 2017, 35(1): 43-48.
[2]	王昕,李亮,才晓东 . 改进 LIC 模型的甲状腺结节超声图像分割算法[J]. 吉林大学学报(信息科学版), 2017, 35(1): 68-75.
[3]	王晓东, 张姣, 薛红. 基于蝙蝠算法的 K 均值聚类算法[J]. 吉林大学学报(信息科学版), 2016, 34(6): 805-810.
[4]	董亚则, 李万龙, 李航, 郑山红. 改进的基于后缀树的Web 搜索结果聚类算法[J]. 吉林大学学报(信息科学版), 2016, 34(4): 543-549.
[5]	岳晓峰, 胡继文. 铝型材表面喷涂质量的图像检测与研究[J]. 吉林大学学报(信息科学版), 2016, 34(3): 413-418.
[6]	王新磊, 何凯, 王晓文. 引导滤波算法的CUDA 加速实现[J]. 吉林大学学报(信息科学版), 2016, 34(1): 104-110.
[7]	贺嘉楠1, 高云龙1, 王宏杰2, 朱琪1, 董立岩1. 基于最小距离乘积K-eans 算法的改进[J]. 吉林大学学报(信息科学版), 2015, 33(5): 564-.
[8]	周丽娟, 于雪晶, 魏卓. 基于萤火虫群算法的网络入侵优化检测算法[J]. 吉林大学学报(信息科学版), 2015, 33(3): 338-343.
[9]	江晟. 基于多模态特征的光鄄SAR 图像融合配准算法[J]. 吉林大学学报(信息科学版), 2015, 33(2): 208-213.
[10]	张引, 高克宁, 张斌. 探索式搜索中支持多角度概念发现方法[J]. 吉林大学学报(信息科学版), 2015, 33(1): 72-78.
[11]	贺海涛, 郑山红, 侯丽鑫, 王国春, 王璐. 基于中文文本的疾病领域本体学习的研究[J]. 吉林大学学报(信息科学版), 2014, 32(1): 76-81.
[12]	刘哲, 谭振江, 王洪君. 基于规范化的B样条密度模型的聚类算法[J]. 吉林大学学报(信息科学版), 2013, 31(5): 522-527.
[13]	徐海啸, 麻婧, 吴旗. DBSCAN算法在高性能计算中心用户分类的应用研究[J]. 吉林大学学报(信息科学版), 2013, 31(5): 528-534.
[14]	杨柳, 刘铁英. GPU架构下的并行计算[J]. J4, 2012, 30(6): 630-633.
[15]	姜占才, 杨林. 语音模糊特征提取及码本训练算法[J]. J4, 2012, 30(3): 279-284.