数据挖掘是在大量数据中发现隐含其中的模式、特征、规律和知识。根据实际的模式可以分为分类、聚类、回归、序列、时间序列。图像数据挖掘是在图像数据库中抽取隐含知识的过程,并用于指导分类。常规分类有:贝叶斯、决策树、最大似然法、最小距离法、神经网络、支持向量机、模糊分类、k-均值,如果在分类时,单一的属性或者很少的属性就能把类别分出来,就更好了,当然这些方法中还有很多混合的地方。
分类的一般过程为:
单一的属性分类采用阈值分割,嵌套在决策树中;而多个属性分类则使用向量机,加强型的使用模糊分类隶属度最后得出类别。
在图像解译中,总是会或多或少的参入先验知识,如何使计算机在不需要先验知识的情况下进行分类一直是一个难点,数据挖掘也常常带有不确定性,最后得出的类别错分现象也在所难免。