《表4 四种机器学习分类器精度评价表》

  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

《机器学习算法在高分辨率遥感影像土地覆被分类中的对比分析》

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

针对不同机器学习分类器在最优超参数组合下对分类结果的影响并不明确的问题。本文基于Wordview3多光谱遥感影像数据，完成随机森林（RF）、深度神经网络（DNN）、支持向量机（SVM）和决策树（DT）四种机器学习分类器在土地覆被分类研究中的系统分步指导和对比分析。系统的讨论了四种机器学习分类器在选取最优超参数组合的详细过程，从分类效果和分类精度方面对比分析了在最优超参数组合下四种机器学习分类器的分类结果。对比结果表明：四种机器学习分类器均可以将研究区的各类地物区分开，并且得到不错的分类效果；在相同的影像分割，训练样本集，特征提取下，使用不同的机器学习分类器均存在一些错分现象，且错分对象不完全一致；从分类图效果和总体分类精度上，RF，DNN和SVM的分类效果和分类精度明显优于DT，其中RF的分类精度最高，总体精度达到80.8%，卡帕系数达到0.78，见表4。