《表4 SVM混淆矩阵结果》
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。
图表编号 | XD0097060700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.20 |
作者 | 周壮、李盛阳、张康、邵雨阳 |
绘制单位 | 中国科学院空间应用工程与技术中心、中国科学院太空应用重点实验室、中国科学院大学、中国科学院空间应用工程与技术中心、中国科学院太空应用重点实验室、中国科学院空间应用工程与技术中心、中国科学院太空应用重点实验室、中国科学院大学、中国科学院空间应用工程与技术中心、中国科学院太空应用重点实验室 |
更多格式 | 高清、无水印(增值服务) |