《表3 不同机器学习方法精度比较》

  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

《基于多层神经网络与Sentinel-2数据的大豆种植区识别方法》

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

（%）

多层神经网络与随机森林、支持向量机、决策树等方法的用户精度以及生产者精度对比如表3所示。可以从中看出，对于其他作物与大豆的区分，随机森林、支持向量机、多层神经网络均展现出较高的分类精度，在其他作物的分类任务中，随机森林的用户精度最高，为96.24%，支持向量机的生产者精度最高，分别为92.66%，但是生产者精度与用户精度的调和平均数F1-Socre指标显示，多层神经网络分类精度最高，为93.95%；在大豆的区分中，多层神经网络的生产者精度最高，为95.51%，支持向量机的用户精度最高，为92.15%；根据由生产者精度与用户精度构建的综合反映模型的分类精度的F1-Socre指标显示，多层神经网络的分类精度最高，为93.53%，其次为随机森林、支持向量机；根据大豆与其他作物分类的总体精度，多层神经网络分类精度最高，达到93.95%，其次为支持向量机，精度为93.51%。