《表2 基于像元分类结果混淆矩阵》
提示：宽带有限、当前游客访问压缩模式
基于像元分类的结果（图2），在影像结果上随机获取198个样本点后，将最大似然法分类结果与Google高分辨率影像结果间建立混淆矩阵（表2）。
| 图表编号 | XD00176093000 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.03.25 |
| 作者 | 杨军军、王喜梅、丁轶 |
| 绘制单位 | 咸阳师范学院资源环境与历史文化学院、咸阳师范学院资源环境与历史文化学院、咸阳师范学院资源环境与历史文化学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 分类结果混淆矩阵：基于多种特征选择策略的入侵检测模型研究》2021.03.05
- 《表2 分类结果混淆矩阵：基于Stacking集成学习的流失用户预测方法》2020.11.30
- 《表5 基于随机森林分类结果对应的混淆矩阵》2020.11.25
- 《表2 基于cart监督分类的建筑物震害提取结果混淆矩阵》2019.12.01
- 《表2 分类结果混淆矩阵：基于混合式学习的同伴推荐算法设计与实现》2020.04.01
- 《表2 分类结果混淆矩阵：基于CNN的强噪声干扰下C扫成像检测方法》2020.07.18
- 《表2 分类结果混淆矩阵：基于加权随机森林算法的空巢电力用户识别方法》2020.08.20
- 《表7 基于50个波段分类图像分类结果混淆矩阵》2020.03.25
- 《表6 基于CCD影像RGB三波段信息分类结果的混淆矩阵》2020.03.25
- 《表8 基于GlobeLand30分类结果的混淆矩阵》2020.03.25
- 《表5 基于伪波形分类结果的混淆矩阵》2020.03.25
- 《表5 分类结果混淆矩阵：基于深度学习的文本情感分析》2020.03.05
- 《表2 分类结果混淆矩阵：基于集成学习框架的用户画像方法》2020.01.10
- 《表1 混淆矩阵：基于超像元词包特征和主动学习的高分遥感影像变化检测》2019.10.25
- 《表2 分类结果混淆矩阵：基于随机森林的栅格DEM微观地形分类方法》2019.10.25
- 《表6 基于光谱和空间信息的CNN分类混淆矩阵结果》2019.08.20
- 《表5 基于光谱信息的CNN分类混淆矩阵结果》2019.08.20
- 《表3 基于特征优选随机森林方法的土地覆盖分类结果混淆矩阵》2019.05.25
- 《表3 样本的混淆矩阵：基于人工神经网络多源数据融合的子像元冬油菜提取——以两湖平原为例》2019.05.28
- 《表4 分类结果误差矩阵（基于像元）》2019.10.20