《表2 不同训练样本下的随机森林分类精度》
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。
图表编号 | XD00200800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 曹爽、潘锁艳、管海燕 |
绘制单位 | 南京信息工程大学遥感与测绘工程学院、南京信息工程大学地理科学学院、南京信息工程大学遥感与测绘工程学院 |
更多格式 | 高清、无水印(增值服务) |