《表8 多分类器组合与最大似然算法、支持向量机算法、随机森林算法的分类精度对比》

  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

《黑河流域中游地区作物种植结构的遥感提取》

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

（%）

(4）分类方法的选择。决策树分类方法计算速度快，可以处理不同度量尺度上的数据，但对高维数据的处理能力相对较弱[17]。面向对象分类能够充分利用图像的光谱统计特征以及地物的形状、纹理、相邻关系等信息，但并不一定能提高分类精度[18]。随机森林算法调整参数少，对训练数据的减少和噪声具有很强的鲁棒性，可以在高维数据集上高效地运行[19]。本文通过多分类器组合，充分发挥了决策树分类、面向对象分类和随机森林分类方法在特定分类对象中的优势，与不分层分类、仅使用单一分类器（最大似然、支持向量机、随机森林分类）相比，解译结果更好，解译精度更高。结果对比见图9，解译精度对比见表8。