无监督深度学习图像分类思路

非监督分类——非监督分类只能把样本区分为若干类别，而不能给出样本的描述；其类别的属性是通过分类结束后目视判读或实地调查确定的。

非监督分类也称聚类分析

相似性度量

非监督法与监督法都是以图像的灰度为基础

分类方法：
（一）波普图形识别分类
（二）聚类分析：
    1.动态聚类。聚类的方法主要有基于最邻近规则的试探法、K-means均值算法、迭代自组织的数据分析法（ISODATA）等。
    2.模糊聚类法。模糊分类根据是否需要先验知识也可以分为监督分类和非监督分类.。
    3.系统聚类。这种方法是将影像中每个像元各自看作一类，计算各类间均值的相关系数矩阵，从中选择最相关的两类进行合并形成新类，并重新计算各新类间的相关系数矩阵，再将最相关的两类合并，这样继续下去，按照逐步结合的方法进行类与类之间的合并，直到各个新类间的相关系数小于某个给定的阈值为止。

    4.分裂法。又称等混合距离分类法，它与系统聚类的方法相反，在开始时将所有像元看成一类，求出各变量的均值和均方差，按照一定公式计算分裂后两类的中心，再算出各像元到这两类中心的聚类，将像元归并到距离最近的那一类去，形成两个新类. 然后再对各个新类进行分类，只要有一个波段的均方差大于规定的阈值，新类就要分裂。

《无监督深度学习彩色图像识别方法-康晓东，王 昊，郭 军，于文勇》