衛星遙測數據相關性知識發現方法

摘要：為快速發現海量遙測數據中的相關關系,提出一種基于改進最大信息系數(Maximal Information Coefficient,MIC)的遙測數據相關性知識發現方法。以Mini Batch K-Means聚類算法為前驅過程對數據進行網格劃分;計算該網格劃分下的互信息,并以信息熵代替原有最大熵對互信息進行歸一化矯正得到信息系數;選擇不同網格劃分下MIC作為變量相關性的測度。采用量子衛星遙測數據進行試驗,結果表明:與基于動態規劃算法的MIC方法相比,所提方法可有效解決MIC測度偏向多值變量的問題,時間復雜度從O(n^2.4)下降為O(n^1.6),是一種適用于大規模遙測數據相關性分析的有效方法。