《表4 SVM混淆矩阵结果》

  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CNN和农作物光谱纹理特征进行作物分布制图》

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

为对比CNN与常规方法在农作物分类应用上的差异和优劣，选择SVM算法，基于相同样本数据（训练集+验证集）构建ROI，以Radial Basis Func‐tion核方式对光谱数据集进行农作物分类，SVM分类结果与基于CNN的两种分类结果空间分布对比见图6。为更好地体现各方法的实际精度，利用地面调查数据中测试集作为独立样本分别与3组结果计算混淆矩阵进行精度评价，见表4～6，各方法的分类总体精度和Kappa系数统计见表7。