遥感原理与应用_第5章_3遥感影像解译-分类后处理及精度评价、分类新方法.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 漏分误差 (Errors of omission) 说明某类像元被错分到其它类的概率，利用混淆矩阵的列来计算。如植被的漏分误差： 返回本节首页 精度评价 随着模式识别与机器学习技术的不断发展，将先进的机器学习技术应用到遥感影像分类中，并充分考虑影像本身的光谱信息、空间信息、时间序列信息及各类地理辅助信息可以大大提高遥感影像分类的精度。 分类新方法 半监督分类； 面向对象分类； 分类器集成 … … 分类新方法 半监督分类 机器学习 (Machine Learning)模式： 监督学习：仅仅利用已标注类别的样本进行训练以确定分类器； 非监督学习：只利用未标注类别的数据进行聚类分析； 半监督学习：利用已标注类别的样本+未标注样本来确定分类器。 分类新方法 基于半监督学习的遥感影像分类 遥感影像分类应用领域的特点： 未标注类别的影像样本易获取，地表真实值收集过程成本较高； 传统监督模式下的遥感分类器设计，往往可供训练利用的标注样本十分有限，而且完全忽略了非标注样本所蕴藏的信息价值，故难以对影像的潜在概率分布函数做出合适的估计，从而使得分类器泛化能力的提高遇到瓶颈； 半监督学习的