《表3 利用SVM对Anbi村进行分类得到的误差矩阵》

  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

《基于人工智能技术的无人机遥感探测具有感染松材线虫病特征的树木》

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

在表2和表3中，我们总结了基于ANN和SVM算法的PWD分类结果的误差矩阵。这两种方法都是基于对358个像素，即来自感染PWD的树木的59个像素、正常的松树的60个像素、草木的60个像素、建筑物的60个像素、道路的59个像素和阴影的60个像素的分析。所有样本数据均基于多项式概率理论和分层随机抽样。SVM的总体精度为94.13%，而ANN的总体精度为87.43%。SVM分类器的精度更高，表明它比ANN更准确。这一结论得到了两种结果的kappa系数的支持：SVM的kappa系数为0.9296或92.96%，而ANN的kappa系数为0.8492或84.92%。