《表5 传统神经网络分类精度验证》
通过与研究区实际的土地利用现状调查变更数据相比,CNN的分类结果在整体上要优于ENVI监督分类中效果最好的传统神经网络分类结果,CNN分类之后的各地类面积也与土地利用现状调查变更数据更为接近,其中由于水域和未利用地在研究区地类总面积中的占比不高等因素,导致卷积层进行卷积操作时对水域和未利用地采集的训练样区较少,致使其分类结果和现状数据相比,水域和未利用地的分类精度要低于基于训练样本点的传统神经网络分类结果。
图表编号 | XD0071806800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.26 |
作者 | 李贤江、陈佑启、邹金秋、石淑芹、郭涛、蔡为民、陈浩 |
绘制单位 | 天津工业大学经济与管理学院、中国农业科学院农业资源与农业区划研究所、中国农业科学院农业资源与农业区划研究所、天津工业大学经济与管理学院、四川智图信息技术有限公司、天津工业大学经济与管理学院、天津市环境保护科学研究院 |
更多格式 | 高清、无水印(增值服务) |