非监督分类：也称为聚类分析或点群分类。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对影像地物获取先验知识，仅依靠影像上不同类地物光谱(或纹理) 信息进行特征提取，再统计特征的差别来达到分类的目的，最后对已分出的各个类别的实际属性进行确认。
根据分类的复杂度、精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的,包括平行六面体、最小距离、马氏距离、最大似然,基于神经网络的,基于模式识别,包括支持向量机、模糊分类等,针对高光谱有波谱角(SAM),光谱信息散度,二进制编码。下面是几种分类器的简单描述。 表 几种监督分类器说明 4、影像...
根据分类的复杂度、精度需求等确定哪一种分类器。目前监督分类可分为基于传统统计分析学的,包括平行六面体、最小距离、马氏距离、最大似然,基于神经网络的,基于模式识别,包括支持向量机、模糊分类等,针对高光谱有波谱角(SAM),光谱信息散度,二进制编码。下面是几种分类器的简单描述。 表 几种监督分类器说明 分类器 ...
非监督分类与监督分类是两种主要的机器学习分类方法,它们在数据处理、算法应用以及目标导向等方面存在显著的区别。 一、数据标注与处理 非监督分类不需要事先对数据进行标注,即算法会自动根据样本之间的相似性将数据划分为不同的簇或群组。这种方法主要依据数据本身的内在结构和关联性进行分类。 监督分类则需要事先对数据...
监督分类是基于对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别;非监督分类是遥感图像地物的属性不具有先验知识,纯粹依靠不同光谱数据组合在统计上的差别来进行“盲目分类”,事后再对已分出各类的地物属性进行确认的过程。 监督分类和非监督分类的异同 异: 1、监督分类对于遥感图像...
监督及非监督分类 监督分类指根据已知样本区类别信息对非样本区数据进行分类的方法。其基本思想是:根据已知样本类别和类别的先验知识,确定判别函数和相应的判别准则,然后将未知类别的样本和观测值代入判别函数,再根据判别准则判定该样本的所属类别。 非监督分类指事先对分类过程不施加任何先验知识,仅凭遥感影像地物的光谱...
非监督分类包括: 1.波谱图形识别分类 2.聚类分析 监督分类包括: 1.最小距离法 2.线形判别分析 3.最大似然比分类 4.最近邻域分类法 5.特征曲线窗口法 三、二者的优缺点: 非监督分类优点:1.人为干预较少,自动化程度较高。 2.方法简单,具有一定的精度。 3.当光谱特征类能够和唯一的地物类型相对应时,非监...
监督分类是用被确认类别的样本像元去识别其他未知类别像元的过程。在分类之前需要通过目视解译或者野外实地调查的方式获取一定数量的样本,用样本训练模型,使其符合对各种子类别分类的要求,继而完成对整幅图像的分类。 非监督分类是指人们事先对分类过程不施加任何的先验知识,而仅凭数据地物的光谱特征的分布规律,即自然的...
监督分类:依据已知样本类别的特征来识别未知样本象元的归属类别。 非监督分类:在没有先验知识作为样本的条件下,根据象元间的相似度大小进行归类合并的方法。 监督分类的优点: (1)可根据应用目的和区域,有选择地决定分类类别,避免出现一些不必要的类别 (2)可控制训练样本的选择。 (3)可通过检查训练样本来决定训练样...