《表1 训练样本的Jeffries-Matusita系数值》

  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GA-BP神经网络的临洪河口湿地土地覆盖分类算法研究》

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

注:“—”表示两地物类别相同

利用Jefferies-Matusita （JM）系数值判别方法来识别训练样本的可分离性。当JM系数在0～2之间，越接近2，分离性越好；小于1.8，需要重新选择样本；小于1时考虑合并样本。训练样本之间的JM系数计算结果如表1所示。从表中可看出:训练样本之间的JM值均在1.8～2.0之间，样本的可分离性较好。