《表4 RF分类精度分析表Tab.4 The Accuracy Analysis Table of RF Classification Method》
在实地调查和土地利用数据基础上,对上述分类结果用混淆矩阵进行精度评价,分别计算出其总体精度和Kappa系数,如表1~表4所示。从图4及表2看出,ML分类结果中,建筑物和道路混分现象十分严重,并且存在裸土和道路混分、建筑物和裸土混分、建筑物错分为水体的情况。建筑物分类生产者精度最低,仅为47.41%,漏分现象严重,建筑物将近有一半误分为道路,这是ML方法精度较低的主要因素。从图5及表3可以看出,SVM分类结果较ML方法提高不少,但裸土误分为建筑物和道路现象较为严重,造成其生产者精度只有57.30%,也有建筑物和道路混分的情况,还存在将水体错分为建筑物的现象。从图6及表4可以看出,加入光谱和纹理特征的RF分类虽未将建筑物和道路完全分开,但漏分、错分及混分的现象相对而言改善不少,生产者精度均在96%以上,裸土漏分、误分现象较SVM方法减轻了不少,生产者精度虽未高于ML方法,却大大改善了ML方法中其他类别误分为裸土的情况,将用户精度提高到100%。在本文中,RF在水体分类方面稍逊于SVM和ML,漏分现象稍高,造成其生产者精度稍低于SVM方法,但无其他类别错分为水体的现象。
图表编号 | XD007893000 严禁用于非法目的 |
---|---|
绘制时间 | 2018.03.20 |
作者 | 王芳、杨武年、邓晓宇、任金铜 |
绘制单位 | 成都理工大学地学空间信息技术国土资源部重点实验室、内江师范学院地理与资源科学学院、成都理工大学地学空间信息技术国土资源部重点实验室、成都理工大学地学空间信息技术国土资源部重点实验室、成都理工大学地学空间信息技术国土资源部重点实验室 |
更多格式 | 高清、无水印(增值服务) |