《表5 基于面向对象的支持向量机(SVM)和随机森林(RF)分类精度》

  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

《基于高分辨率遥感的珊瑚礁地貌单元体系构建和分类方法——以8波段Worldview-2影像为例》

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

注:PA（Producer's Accuracy）为生产者精度，表示整个研究区内正确分为某类的总像元数与该类实际参考总像元数的比值；UA（User'sAccuracy）为用户精度，表示正确分到某类的总像元数与整个研究区分到该类总像元数的比值

由于研究区域环境复杂，实地调查困难，故基于现有的实地调查数据选择样本区域对分类结果进行验证，保证样本在每个地貌类型中分布均匀（图7）。结果表明，基于样本区域的验证方法中SVM分类结果的总体精度和Kappa系数分别为87.59%和0.8631（表5），RF分类结果的总体精度和Kappa系数分别为79.81%和0.7780，即SVM的总体精度比RF的总体精度高7.78%，说明SVM的分类效果优于RF的分类效果。两种分类方法的分类精度有差异，可能是由于SVM方法针对遥感影像分类中的小样本，而RF分类方法适用于大样本和高维数据的分类。本文中研究区被分割为3062个对象，全部样本共98个对象，仅占全部对象的3%，故SVM方法分类精度较高。