《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》

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

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.