《表1 监督分类精度验证表》

  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Sentinel-2A影像的矿区土地利用信息提取方法》

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

最小距离是通过训练样本数据去计算每种类别的均值向量和标准差向量，然后以均值向量作为该类在特征空间中的中心位置，计算输入图像中每个像元到各类中心的距离，将像元归入到距离中心最小的类别中[16]；马氏距离法是通过计算输入像元到各训练样本的马氏距离（计算2个未知样本集的相似度的方法），统计马氏距离最小的即为此类别[15]，此方法既考虑离散度，也考虑到各轴间总体分布的相关（协方差），能够考虑到分类类别的内在变化[16，17]；最大似然法是计算像元属于某一训练样本的似然度，然后将像元归为似然度最大的一类中[16]；支持向量机是一种基于统计学习理论的机器学习方法，可自动寻找对分类有较大区分功能的支持向量并构造分类器，最大化类别之间的间隔[11]。本研究分别对四种监督分类方法进行分类比较，选择最佳分类方法，如表1所示，经验证最大似然方法整体分类效果较好。