摘要：高光谱图像分类是高光谱数据分析的重要研究内容之一。模糊C-均值聚类算法因其算法简单、收敛速度快等优点受到广泛的关注。由于高光谱数据的维数较高，其光谱波段的非线性特性使得传统模糊C-均值聚类算法无法在原始空间得到较好的聚类结果。另外，模糊C-均值聚类算法在计算聚类中心时，仅使用了各样本对聚类中心的隶属度，忽略了样本之间固有存在的空间分布特征。为此提出了模糊核加权C-均值聚类算法，在计算模糊核聚类中心时，根据样本的空间分布特征，为每个样本分配不同的权值，使得每个核聚类中心随着样本的不同而各有不同。标准数据和实际高光谱数据的实验结果均表明，相比较传统模糊C-均值均聚类算法，模糊核加权C-均值聚类算法在总体分类精度上有较大的提高。

关键词：聚类分析 非参数加权特征提取 样本空间分布 

单位：哈尔滨工程大学信息与通信工程学院 哈尔滨150001