《表2 不同训练样本下的随机森林分类精度》

  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

《机载多光谱LiDAR的随机森林地物分类》

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

为了进一步证明随机森林分类方法在多光谱Li DAR数据地物分类中的适用性，将它与支持向量机（SVM）分类进行对比试验。利用3组训练样本sample1、sample2、sample3分别进行支持向量机多光谱Li DAR地物分类，分类结果如图5所示。分别计算三组训练样本支持向量机下的分类精度，见表4。比较表4与表2可知，随机森林分类方法相比于支持向量机分类方法，在总体精度和Kappa系数上均有不同程度的提高，只是在某些类别上，随机森林的生产者精度和用户精度不如支持向量机方法。同时也可以看出，当样本数量逐渐减少时，支持向量机分类的精度反而呈上升趋势，这表明支持向量机在小样本分类上具有优势。因此，当样本数量较少时，应该综合多种因素，选择合适的分类方法处理多光谱Li DAR数据，以获得最佳地物分类结果。