《表2 Pavia University数据集不同算法的精度比较》
表1和表2分别给出了2个数据集在8种算法下的性能比较结果。其中,所有的指标均为10次运行的平均值。对于Indian Pine数据集,特征权重的参数τ设为0.075。从中可以看出,当仅依靠纯光谱波段分类时,精度最低,OA只有18.60%。这说明在训练样本数量很有限时,纯光谱分类难以得到满意结果。当引入AP特征后,分类精度得到显著提升。在4种单一特征中,面积属性特征获得最好的分类精度,OA达到79.70%。而3种融合方法集成了4种属性剖面的特性,均得到更好的分类结果。其中,本文方法获得最高精度,OA、AA和Kappa系数分别达到83.41%、89.05%和0.810。对于Pavia University数据集,特征权重的参数τ设为0.5。从表2中同样可以看出,纯光谱分类的精度最低;当结合AP特征后,精度得到提升;当采用多特征融合方法时,精度进一步提高,其中本文方法获得最佳的分类性能。
图表编号 | XD0045339500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.20 |
作者 | 陈军丽、黄睿 |
绘制单位 | 上海大学通信与信息工程学院、上海大学通信与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |