《表2 分类方法对比Table 2 Comparison of classification methods》

  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

《基于极限学习机的GF-2影像分类》

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

由分类结果（图2）的正确性可以看出，极限学习机、支持向量机和最大似然3种方法均可以分类出大致的水域、交通运输用地、耕地、林地等，其中虽然存在一些错分、误分现象，但不同地物间存在明显边界，能够准确识别各类地物的位置。极限学习机分类结果（图2a）与支持向量机分类结果（图2b）更为相似，分类总体精度（表2）在85%以上，kappa系数在0.7以上，说明分类结果与真实地物分类基本一致；但极限学习机分类运行时间明显优于支持向量机分类（表2）。最大似然法分类运行时间最短，但其总体精度仅为71.552%，kappa系数为0.558，对比其他两种分类结果，其分类精度较差。