最大似然分类.pptxVIP

最大似然分类

定义最大似然分类（maximumlikelihoodclassification）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。

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。一种监督分类算法特点：事先知道类别的信息（即类别的先验知识）

贝叶斯定理：假设B1,B2…互斥且构成一个完全事件，A伴随它们出现，已知它们分别发生的先验概率P(Bi),i=1,2,…及A的条件概率P(A|Bi)，则可以得到事件A的后验概率P(Bi|A)。托马斯·贝叶斯（ThomasBayes）英国数学大师

由概率乘法公式P(AB)=P(A)*P(B|A)=P(B)*P(A|B)可导出贝叶斯定理公式：

最大似然分类法原理设有s个类别，用ω1、ω2、…、ωs来表示，每个类别发生的概率（先验概率）分别为P(ω1)、P(ω2)、…、P(ωs)；设有未知类别的样本X，其类条件概率分别为P(X|ω1)、P(X|ω2)、…、P(X|ωs)；(i,j)波段1波段2波段n

此时，以样本X出现的后验概率作为判别函数来确定