Академика Коптюга, 4 E-mail: pestunov@ict.nsc.ru В рамках сеточного и ансамблевого подходов разработаны вычислительно эффективные иерархические алгоритмы кластеризации HCA и НЕСА для сегментации мультиспектральных изображений. <...> Предложена специальная метрика, позволяющая выделять вложенные кластеры даже при наличии пересечений. <...> Представлены результаты экспериментальных исследований алгоритмов на модельных и реальных данных, подтверждающие их эффективность. <...> Ключевые слова: иерархический ансамблевый алгоритм кластеризации, сеточный подход, сегментация мультиспектральных спутниковых изображений. <...> . Наиболее распространённый подход к сегментации спутниковых изображений основан на использовании алгоритмов кластеризации данных [3]. <...> Традиционные методы иерархической кластеризации имеют ряд недостатков. <...> Например, метод одиночной связи подвержен так называемому «цепочному эффекту», а методы полной и средней связи обычно хорошо работают только с кластерами сферической формы. <...> Кроме того, эти методы не позволяют разделять пересекающиеся кластеры [4]. <...> В последнее время для повышения устойчивости и качества результатов кластеризации активно применяется ансамблевый подход [5–10]. <...> Цель данной работы — создание и исследование вычислительно эффективных иерархических алгоритмов кластеризации HCA и HECA, предназначенных для сегментации ∗Работа выполнена при поддержке Российского фонда фундаментальных исследований (гранты№1407-31320-мол а, № 14-07-00249-а) и Российского научного фонда (грант № 14-14-00453). <...> Алгоритмы обеспечивают разделение пересекающихся кластеров, а также кластеров сложной формы, разного размера и плотности. <...> Рассматриваемый пространстве признаков Rd: X = {xi = (x1 иерархический алгоритм кластеризации HCA основывается на алгоритме CCA [13], который сочетает в себе преимущества сеточного [17] и плотностного подходов: высокую вычислительную эффективность и способность выделять кластеры, имеющие сложную структуру <...>