最大似然分类.pptVIP

最大似然分类 定义 最大似然分类 （maximum likelihood classification ） 在两类或多类判决中，用统计方法根据最大似然比贝叶斯判决准则法建立非线性判别函数集，假定各类分布函数为正态分布，并选择训练区，计算各待分类样区的归属概率，而进行分类的一种图像分类方法。 又称为贝叶斯（Bayes）分类法，是根据Bayes准则对遥感影像进行分类的。 亦称基于最小错误概率的Bayes分类法。 此时，以样本X出现的后验概率作为判别函数来确定样本X的所属类别，其分类准则为： 通过简化，可以得到直接的分类准则： 最小错误概率 （以两类问题为例） 设错误分类的概率为P(e)，则P(e)可表示为： 设X服从高维正态分布，则有： 先验概率是指根据以往经验和分析得到的概率。 在事件B已经发生的条件下，事件A发生的概率，称为事件A在给定B下的条件概率，记作P(A/B)。 后验概率是指在得到“结果”的信息后重新修正的概率 。 先验概率只是利用现有的材料(主要是历史资料)计算的；后验概率使用了更加全面的资料，既有先验概率资料，也有补充资料； 先验概率的计算没有使用贝叶斯公式； 后验概率的计算，要使用贝叶斯公式，而且在利用样本资料计算逻辑概率时，还要使用理论概率分布，需要更多的数理统计知识。 * 一种遥感图像分类算法 核心：确定判别函数fAB(X)和相应的判别准则。 一