《表4 不同方法下不同研究区域实验精度表》
不同方法下不同研究区间的精度情况。表4列出了本文方法、Lenet方法以及传统监督分类的最大似然法对马萨诸塞州区域1、区域2与区域3(依次从上到下顺序)共3个不同区域进行的定量分析。可以看出,对于精确率而言,存在一定的跳跃,即漏分像元数量存在较大差异。其原因与“提取结果误差分布分析”中对应部分相吻合。本文方法对区域1的精确率最高,达到80.35%。对于召回率以及F1评分而言,均较为稳定,介于66%~77%之间。对比本文方法与其他2种方法可以看出,本文方法与Lenet卷积神经网络方法相对于传统的监督分类方法,能更好地区分不同地物,具体体现在召回率上,最大似然法的召回率最高只达到26.40%,而卷积神经网络方法平均有70%以上的召回率。而对比同为卷积神经网络且在完全相同的数据下的本文方法与Lenet卷积神经网络方法,在精确率上,本文方法3个区域的平均精确率比Lenet方法高1.36%,而在平均召回率上,仅有着0.19%的微小差距。
图表编号 | XD00199361600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.20 |
作者 | 谢跃辉、李百寿、刘聪娜 |
绘制单位 | 桂林理工大学测绘地理信息学院、桂林理工大学测绘地理信息学院、广西空间信息与测绘重点实验室、桂林理工大学测绘地理信息学院 |
更多格式 | 高清、无水印(增值服务) |