结合地物的光谱特征和纹理特征，利用模糊 C － 均值(fuzzy C － mean，简称 FCM)聚类算法与粗糙集理论对无人机遥感影像进行林木提取研究。首先，提取特征参数，将提取的不同地物的光谱特征和纹理特征及地物类别构成粗糙集的决策表，其光谱特征和纹理特征为条件属性集合，类别为决策属性集合。其次，利用 FCM 算法与粗糙集理论对决策表进行特征约简，并以支持向量机(support vector machine，简称 SVM)分类评估器来测试特征约简的精度，实现规则分类提取时特征向量的优选，减少

模糊C均值聚类算法可有效的解决遥感信息的不确定性和混合像元的划分。文中基于matlab平台、采用模糊C均值聚类对遥感影像进行分类,并运用混淆矩阵对分类结果进行了精度评定。实验结果表明,基于模糊C均值聚类使得分类后的图像很好地区分了地物类别,取得了较好效果。

基于模糊C-均值聚类算法的遥感影像分类，王翠玲，王一冒，本文简要介绍了K-均值聚类和模糊C-均值聚类算法，传统的k-均值聚类算法广泛用于图像的自动分类,但没有考虑到图像信息的不确定性问�

基于模糊C-均值聚类的遥感影像分类，罗卿莉，，为了很好地解决遥感影像分类的问题，在Matlab平台基础上，采用模糊C-均值聚类算法对遥感影像进行非监督分类，首先介绍了模糊C-均值�