《表2 以MLR为分类器的各算法的分类准确度》

  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

《高斯线性过程和多邻域优化的高光谱图像分类》

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

通过实验对比发现，对原始数据进行高斯滤波处理，对分类器初始预测标签进行多邻域优化，能够极大地提高分类精度，如表2所示，在以MLR为分类器的各算法中，仅考虑光谱信息的MLR、LDA＿MLR的评价指标远远低于GF＿LDA＿MLR、GF＿LDA＿MLR＿3M，其中兼顾光谱和空间信息的GF＿LDA＿MLR＿3M的总体识别率在三种数据库下均能够达到99左右，其Kappa系数可以达到0.9875及以上。