《表3 基于机器学习C5.0决策树和最大似然法的不同湿地植被分类结果精度评价》

  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

《基于机器学习与高光谱数据的湿地植被物种识别研究》

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

注:括弧内的数值代表最大似然法的分类情况。

综合表3，可以发现:使用同样的数据源，对同一区域的湿地植被进行分类提取，基于最大似然法，不同类型的湿地植被总体分类精度为69.92%，Kappa系数为0.651，而基于C5.0算法决策树提取湿地植被信息，总体精度提升9.95%，Kappa系数提升0.114。C5.0算法决策树不仅总体上优于最大似然法，而且能提高每一类植被的分类精度，从表3中可看出，浮水植被石莲花和水丁香的用户精度分别提升12.65%和9.91%，挺水植被香蒲的用户精度从69.62%上升至80.28%，狐尾藻和水蕴草的用户精度提升最大，分别提升了18.67%和15.86%。