最大似然分类的训练样本敏感度研究
2018-07-28陆晓果王同科梁社芳
中国农业信息 2018年2期
关键词:分类
陆晓果,王同科,梁社芳,陆 苗※
(1.天津师范大学数学科学学院,天津300387;2.中国农业科学院农业资源与农业区划研究所/农业部农业遥感重点实验室,北京100081)
0 引言
遥感影像分类技术能够快速提取土地利用和地表覆盖信息,为实现资源的有效利用提供技术支撑,为研究生态环境的变化等提供重要的基础数据[1]。根据是否需要训练样本,遥感影像分类方法分为非监督分类和监督分类。非监督分类是在没有先验类别知识的情况下,根据图像自身的统计特征以及自然点群的分布情况来划分地物类别的分类技术[2]。监督分类是以建立的统计识别函数为理论基础,依据典型的样本训练方法进行分类的技术,例如最小距离法、最大似然法和神经元网络分类法等[3]。相比非监督分类,监督分类不仅能确定分类类别,而且具更高的精度。
在监督分类中,样本的选取对分类结果的精度十分重要。许多学者从样本数量和质量等方面,分析了其对分类精度的影响[4]。朱秀芳等[5]在其研究过程中发现不同分类方法的分类精度随着样本数量的不断增加而增加。Arai等[6]基于最大似然法,提出了一种纯化训练样本的方法,研究结果表明,进行纯化后训练样本的分类精度比没有纯化的训练样本得到的分类精度有了大幅提高。薄树奎等[7]基于面向对象分类方法,利用统计模型确定训练样本的最佳数量,并用遥感影像的不同波段进行验证。目前的研究通常利用多次的尝试性实验分析样本对精度的影响,缺乏算法特点和样本质量特征的综合分析。……
登录APP查看全文
