《表1 PCA和PCA_ScatterMatrix方法在数据集2上获得最高分类正确率时所选取的主成分序号》
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
《AVIRIS高光谱数据空-谱特征在植被分类中的对比分析》
表2给出了在数据集2上PCA、ICA、LDA和提出的PCA_ScatterMatrix方法在取得最高总体分类正确率情况下的生产者精度和Kappa系数。从表2可以看出PCA_ScatterMatrix方法的总体分类正确率与PCA方法相比提高了2.5%,与ICA方法相比提高了3.8%,与LDA方法相比提高了4.1%。结果表明PCA_ScatterMatrix方法能提高原始PCA方法的总体分类正确率,同时也间接地表明改进的基于分散矩阵的特征选择方法能够较好地选择出有效的特征便于后续的分类。
图表编号 | XD00142174100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.31 |
作者 | 付元元、杨贵军、段丹丹、张永涛、顾晓鹤、杨小冬、徐新刚、李振海 |
绘制单位 | 农业农村部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心、国家农业信息化工程技术研究中心、农业农村部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心、国家农业信息化工程技术研究中心、北京农业智能装备技术研究中心、江苏诺丽慧农农业科技有限公司、农业农村部农业遥感机理与定量遥感重点实验室北京农业信息技术研究中心、国家农业信息化工程技术研究中心、北京市农业物联网工程技术研究中心、国家农业信息化工程技术研究中心、国家农业信息化工程技术研究中心 |
更多格式 | 高清、无水印(增值服务) |