《表1 Indian数据集上各方法分类精度评价指标对比(黑体表示最优)》
为验证本研究方法的有效性,选择PCA降维(前20个主成分[7])和EAP空谱特征[9]与本文方法作对比,选择经典的基于高斯核函数的支持向量机(SVM)分类器,随机选择5%的带标签样本作为训练集,剩余的95%样本作为测试集,开展20次相互独立的分类和精度评价实验。采用Kappa系数、总体分类精度(OA)和平均分类精度(AA)这3个精度评价指标和分类耗时对分类实验进行性能评价,并取20次实验结果的平均值,结果分别如表1和表2所示。
图表编号 | XD003387400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.10 |
作者 | 曾朝平、琚丽君、张建辰 |
绘制单位 | 河南测绘职业学院空间信息工程系、河南测绘职业学院空间信息工程系、河南大学环境与规划学院 |
更多格式 | 高清、无水印(增值服务) |