Сравнительное исследование алгоритмов кластеризации для обработки гиперспектральных данных

Abstract

Объектом исследования являются алгоритмы, используемые для кластеризации гиперспектральных данных, такие как: алгоритм c-means и самоорганизующиеся карты Кохонена. Целью данной работы является сравнительное исследование популярных алгоритмов для кластеризации гиперспектральных данных. В ходе работы была разработана программная реализация рассмотренных алгоритмов, с помощью которой был проведен анализ гиперспектрального снимка, выбран наилучший алгоритм кластеризации по оценке наименьшего внутрикластерного расстояния. Кластерный анализ широко используется для обработки гиперспектральных снимков в широком спектре областей. Одним из наиболее популярных направлений является обработка снимков, полученных в ходе дистанционного зондирования Земли, которая позволяет выделять похожие объекты и находить области интереса без человеческой помощи.