《表2 K-means和FCM聚类结果Tab.2 Clustering results by K-means and FCM》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《浮游植物类群遥感算法PHYSAT在台湾海峡的适用性研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

依据以上特征，用相对简单的聚类方法K-means和FCM，尝试通过443nm归一化Ra对25个样品的硅藻和聚球藻进行聚类.按照PHYSAT算法把5个波段值全部作为输入，K-means对2种类群的聚类准确率为72%，其中硅藻的失误率较高（38%），聚球藻的较低（24%）（表2；图7） .FCM聚类结果和K-means完全一致，但相比K-means，FCM聚类结果中提供了样品对不同类别的隶属度参数（附录表S1，http:∥jxmu.xmu.edu.cn/upload/html/20190110.html），从中可看出样品的类群优势是否显著，如:2006年航次C3和C5站位均被归在同一类（聚球藻），但C3对聚球藻和硅藻的聚类中心隶属度分别为0.58和0.42，而C5则分别为0.96和0.04，说明C5站位聚球藻的主导优势比C3站位更显著.在实际应用中，可以从时空角度分辨浮游植物优势种群的过渡与更替，对甄别混合类群水体也有很大帮助.未来在更多数据积累的基础上，据此结果进一步发展分辨算法的可能性是存在的.