非监督分类——非监督分类只能把样本区分为若干类别,而不能给出样本的描述;其类别的属性是通过分类结束后目视判读
<https://baike.baidu.com/item/%E7%9B%AE%E8%A7%86%E5%88%A4%E8%AF%BB>或实地调查确定的。

非监督分类也称聚类分析 <https://baike.baidu.com/item/%E8%81%9A%E7%B1%BB%E5%88%86%E6%9E%90>


相似性度量


非监督法与监督法都是以图像的灰度 <https://baike.baidu.com/item/%E7%81%B0%E5%BA%A6>为基础

分类方法:
(一)波普图形识别分类
(二)聚类分析:
    1.动态聚类。聚类的方法主要有基于最邻近规则的试探法、K-means均值算法、迭代自组织的数据分析法(ISODATA)等。
    2.模糊聚类法。模糊分类根据是否需要先验知识也可以分为监督分类和非监督分类.。

    3.系统聚类。这种方法是将影像中每个像元各自看作一类,计算各类间均值的相关系数矩阵,从中选择最相关的两类进行合并形成新类,并重新计算各新类间的相关系数矩阵,再将最相关的两类合并,这样继续下去,按照逐步结合的方法进行类与类之间的合并,直到各个新类间的相关系数小于某个给定的阈值为止。



    4.分裂法。又称等混合距离分类法,它与系统聚类的方法相反,在开始时将所有像元看成一类,求出各变量的均值和均方差,按照一定公式计算分裂后两类的中心,再算出各像元到这两类中心的聚类,将像元归并到距离最近的那一类去,形成两个新类.
然后再对各个新类进行分类,只要有一个波段的均方差大于规定的阈值,新类就要分裂。

《无监督深度学习彩色图像识别方法-康晓东,王 昊,郭 军,于文勇》