《表6 不同特征、不同分类器组合的平均验证精度分布》

  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

《Google Earth Engine支持下的江苏省夏收作物遥感提取》

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

本文使用朴素贝叶斯、支持向量机、分类回归树及随机森林4种分类器，在GEE中各分类器参数设置如表5所示。将4种分类器与3种特征组合，在江苏省夏收作物分类中进行了试验，验证精度采取交叉验证策略（表6），具体流程为:（1）在3090个样本点中独立生成10次随机数，每次生成的随机数不重复，保证样本选取的随机性；（2）将所有样本进行划分，约70%的样本用来训练，剩余约30%的样本用来验证，分别得到10次验证精度；（3）对10次验证精度求平均，作为最终的平均验证精度（表6、图3）。