1、隨著信息技術(shù)和數(shù)據(jù)庫技術(shù)的迅猛發(fā)展，人們可以非常方便地獲取和存儲大量的數(shù)據(jù).如何從大量的數(shù)據(jù)中快速提取有用的和感興趣的信息，成為海量信息處理面臨的瓶頸.聚類分析技術(shù)作為一種重要的數(shù)據(jù)挖掘技術(shù)，經(jīng)過近十年快速發(fā)展，已被廣泛應(yīng)用到人工智能、信息控制、醫(yī)療診斷、天氣預(yù)報、圖像分析等領(lǐng)域.
　　在傳統(tǒng)的研究中，人們一般總把樣本看作特征空間中的點(diǎn)，認(rèn)為模式的特征由數(shù)值刻畫，因此主要的研究興趣放在分析數(shù)據(jù)集中蘊(yùn)含的信息和揭示點(diǎn)集內(nèi)在的自然結(jié)構(gòu)

2、上，很少關(guān)心數(shù)據(jù)集的來源、表征形式及其他性質(zhì).實際上，在數(shù)據(jù)挖掘中我們經(jīng)常會遇到這樣一個問題:隨著樣本集的擴(kuò)大，聚類分析的計算量越來越大，那么，如何對樣本集有效的進(jìn)行壓縮、表征，以加快聚類分析的速度成為一個值得研究的問題.針對這個問題，本文開展了積極的研究，致力于尋找一種有效的針對混合特征的聚類分析方法，主要取得了以下研究成果:
　　(1)提出了一種基于混合特征的模糊聚類方法.傳統(tǒng)聚類方法很少對數(shù)據(jù)特征之間的關(guān)系以及數(shù)據(jù)特征與聚類

3、結(jié)果質(zhì)量進(jìn)行分析度量，為此，我們深入研究了聚類一致性和聚類完全性的實現(xiàn)方法，并實現(xiàn)了一種有效的迭代計算方法.在此基礎(chǔ)，我們發(fā)展了一種基于混合特征的模糊聚類算法，該算法首先利用特征分析對大樣本集進(jìn)行壓縮，然后通過基于混合特征的聚類一致性和聚類完全性迭代計算，對特征樣本展開有效的聚類分析，最后將有效的特征聚合在一起，形成了一種高效的基于混合特征的模糊聚類方法.
　　(2)開發(fā)了一個基于混合特征的模糊聚類可重用軟件模塊:圖像處理函數(shù)庫、

4、特征提取函數(shù)庫、圖像數(shù)據(jù)管理模塊和基于混合特征的模糊聚類分析模塊.該軟件模塊能夠很方便的增加各類數(shù)據(jù)特征的提取操作，并構(gòu)建聚類一致性和聚類完全性的混合特征集合，可以應(yīng)用到各種復(fù)雜大規(guī)模的數(shù)據(jù)聚類分析應(yīng)用當(dāng)中.
　　通過大量的數(shù)值仿真例子和實際遙感圖像處理例子，我們驗證了本文提出的基于混合特征的模糊聚類方法與傳統(tǒng)聚類方法相比是一種高效的方法;將該方法應(yīng)用到遙感圖像處理中，可以從多個特征中篩選合適的特征，高效地進(jìn)行遙感圖像的聚類分析.