《表4 基于GF-2影像的树种分类混淆矩阵》
提示：宽带有限、当前游客访问压缩模式
排除地形因素，光谱+4方向纹理（方案2）的分类精度最高，为87.4%，Kappa系数为0.85。该方案混淆矩阵和制图精度、用户精度计算结果如表4所示。
| 图表编号 | XD0061506700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.06.01 |
| 作者 | 傅锋、王新杰、汪锦、王娜、佟济宏 |
| 绘制单位 | 北京林业大学林学院、北京林业大学林学院、北京林业大学林学院、北京林业大学生物科学与技术学院、北京林业大学林学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表2 基于卷积神经网络的红边波段影像作物分类混淆矩阵》2021.02.25
- 《表3 基于卷积神经网络的遥感影像作物分类混淆矩阵》2021.02.25
- 《表1 郑州市区Landsat8 OLI影像分类的混淆矩阵》2020.05.10
- 《表2 郑州大学新校区Pleiades影像分类的混淆矩阵》2020.05.10
- 《表2 GF-2影像GA-PSO-BP分类误差矩阵》2020.06.20
- 《表3 基于同步GF-2影像的BOCI模型的混淆矩阵精度评价》2020.04.20
- 《表4 分类结果混淆矩阵：基于无人机高光谱影像波段选择的薇甘菊分类》2020.04.25
- 《表6 基于CCD影像RGB三波段信息分类结果的混淆矩阵》2020.03.25
- 《表2 融合前影像分类的混淆矩阵及其精度指标》2020.01.20
- 《表3 分类精度表：基于随机森林的GF-2影像土地利用分类研究》2019.12.25
- 《表4 可见光影像分类结果混淆矩阵》2019.10.20
- 《表2 本实验算法对树种类型分类的混淆矩阵》2019.09.01
- 《表1 分类结果混淆矩阵：基于深度学习的高分遥感影像乡镇建筑物识别方法》2019.01.20
- 《表2 VNIR+SWIR影像分类结果混淆矩阵》2019.09.28
- 《表1 VNIR影像分类结果混淆矩阵》2019.09.28
- 《表1 影像的最大似然分类结果混淆矩阵》2018.03.28
- 《表2 影像的最小距离分类结果混淆矩阵》2018.03.28
- 《表1 混淆矩阵：基于随机森林的倾斜影像匹配点云分类研究》2018.12.25
- 《表1 训练样本表：基于极限学习机的GF-2影像分类》2018.03.26
- 《表3 影像分类的混淆矩阵》2018.06.25