《表3 分类精度表：基于随机森林的GF-2影像土地利用分类研究》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于随机森林的GF-2影像土地利用分类研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

通过对三种分类结果进行统计，并进行混淆矩阵计算得出各分类结果的Kappa系数和总体精度。通过表3可以看出，结合纹理信息和NDVI指数信息的分类精度高于另外两种方法。实验表明，结合纹理信息和NDVI指数信息可以丰富高分二号影像数据的波段信息来提高地物分类的精度。随机森林分类精度高于最大似然法分类精度，也表明了随机森林这种基于机器学习的分类算法在高分辨率影像分类中优于基于概率的最大似然法。