《表4 典型样区分类精度评价结果》
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
《集成机器学习与面向地理对象影像分类的大区域林地信息提取及其泛化能力探讨》
在典型样区生成5 000个随机点.通过Google Earth解译获取各个随机点的真实属性,从而完成验证样本的选取.精度评价采用基于面积的评价方法[29].研究区精度评价包括生产者精度、用户精度、总体精度和kappa系数.表4为典型样区林地分析的精度评价结果.支持向量机、随机森林和深度神经网络分类结果的总体精度分别达到90.08%、99.43%和98.76%,kappa系数分别为0.73、0.90和0.97,表明基于该典型区的对象样本用于分类器分类均可达到较高的分类精度,而以深度神经网络分类精度最高.
图表编号 | XD00151696100 严禁用于非法目的 |
---|---|
绘制时间 | 2020.06.01 |
作者 | 陆海霞、刘勇、张寅丹、刘巨峰、王苗苗、何江 |
绘制单位 | 兰州大学资源环境学院、内蒙古乌海市第十中学、兰州大学资源环境学院、兰州大学资源环境学院、兰州大学资源环境学院、兰州大学资源环境学院、兰州大学资源环境学院、西安测绘总站 |
更多格式 | 高清、无水印(增值服务) |