K近邻是基于实例的学习方法中最基本的一种算法，它不同于eager学习算法，K近邻方法在训练阶段只是简单地把训练样例存储起来，把建模过程推迟到要预测新实例的工作阶段，因此K近邻是一种典型的lazy学习算法。在分类中，K近邻方法适用于目标函数值是离散的情况，而在回归中，它则适用于目标函数值是连续的情况。K近邻方法的学习过程主要分为两个步骤：第一步是找到预测新实例的K个邻居;第二步根据这K个邻居来预测新实例的目标值。
如图6-2-1中所示，未知样本到已知类别A中心的距离比它到已知类别B中心和C中心的距离都小，因此未知类X属于类别A。
图6-2-1 KNN分类原理
K近邻算法假定所有的实 ...... （共864字） [阅读本文]>>
智能算法在高光谱遥感数据处理中的应用前面讨论的所有方法都是全局性的，在某种意义上，像素是被基于整幅图像灰度满意度的变换函数所修改的。这些全局方法适用于整个图像的增强，但有时对图像小区域细节的局部增强显得额外重要。在这些区域中，全局变换得
智能算法在高光谱遥感数据处理中的应用二阶微分滤波器的主要目的是突出图像中的细节或者增强被模糊了的细节，而这种错误不是由操作造成的，就是受到特殊图像获取方法的固有影响。可以应用数学微分中的某些性质来实现图像的锐化或模糊效果。数学函数的微分
智能算法在高光谱遥感数据处理中的应用图像融合来源于信息融合领域，它是信息融合领域的一个非常重要的组成部分，它可以把几个或者多个传感器上所获得的关于某个场景的信息(或图像)通过一定的方法进行综合，得到了一个关于这个场景新的解释，它能够解决
.jpg)
智能算法在高光谱遥感数据处理中的应用矿物识别，即如何根据获取的遥感信息对地物目标的物理属性进行识别，是高光谱遥感技术研究的重要内容，也是高光谱最能发挥作用的领域。由于多光谱数据所能提供的信息量不能满足我们的需求，因而出现了能提供大量丰富
.jpg)
智能算法在高光谱遥感数据处理中的应用高光谱物谱建模就是对蚀变矿物含量与光谱吸收特征参数进行相关分析，建立蚀变矿物含量与光谱吸收特征深度、面积等参数之间的物谱关联模型，从而可以根据光谱数据预测矿物成分的含量。目前，常用的物谱关联建模技术主
上一篇