《表3 各层特征分量间的相关系数》

  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

《多特征分量结合的WorldView-3影像建筑容积率分类提取》

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

遥感数据贝叶斯网络分类器的结构总体上可有两种考虑：（1）忽略特征间相关性，直接指定所有特征节点为类节点的子节点，即朴素贝叶斯网络分类器；（2）考虑特征间相关性，并从样本数据中学习获得网络结构及节点参数。它们的不同之处主要在于对特征间相关性的不同考虑，由此导致具有不同网络结构的分类器模型。朴素贝叶斯网络分类器由于不考虑特征之间的相关性，其网络结构已确定，因而在遥感影像分类的实际应用中具有较大优势，同时可以在仅需少量样本数据的情况下仍然表现出很好的性能和稳定性[13]。因此，本文对影像实施主成分变换，以满足应用朴素贝叶斯网络分类器的前提条件，即不考虑特征之间的相关性。各层特征分量间的相关系数如表3所示。