图像数据挖掘

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。