监督分类_监督分类和非监督分类的异同

今天和大家分享一些关于监督分类的问题(监督分类和非监督分类的异同)。以下是边肖对这个问题的总结。让我们看一看。

一、什么是监督分类和非监督分类

(资料图片)

监督分类（supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类，是模式识别的一种方法。要求训练区域具有典型性和代表性。判别准则若满足分类精度要求，则此准则成立；反之，需重新建立分类的决策规则，直至满足分类精度要求为止。常用算法有：判别分析、更大似然分析、特征分析、序贯分析和图形识别等。
非监督分类是以不同影像地物在特征空间中类别特征的差别为依据的一种无先验（已知）类别标准的图像分类，是以集群为理论基础，通过计算机对图像进行集聚统计分析的方法。根据待分类样本特征参数的统计特征，建立决策规则来进行分类。而不需事先知道类别特征。把各样本的空间分布按其相似性分割或合并成一群集，每一群集代表的地物类别，需经实地调查或与已知类型的地物加以比较才能确定。是模式识别的一种方法。一般算法有：回归分析、趋势分析、等混合距离法、集群分析、主成分分析和图形识别等。

二。根据监督的过程，行政监督可以分为

按照监督的过程，行政监督可以分为事前监督、事中监督和事后监督。

1.事前监督:是指在某些公共行政活动实施之前，监督部门围绕公共行政主体的行政行为所进行的监督检查。

2.过程监督贯穿于公共组织的财务活动，涉及公共组织财务活动的所有环节和方面。对公共组织预算、财务收支计划、费用标准等执行过程中的财务活动进行监督，容易发现问题，及时纠正偏差。

3.事后监督主要通过查阅分析建设项目报告和现场调查来实现。其主要目的是提出问题，揭露矛盾，提出切实可行的改进措施，促进基本建设资金的合理使用。

扩展数据:

1.以监督主体为标准，可以分为党的监督、权力机关的监督、司法机关的监督、人民群众和舆论的监督以及行政机关自身的监督。

2.根据监督的目的和方法，可以分为积极监督和消极监督。前者是指为了促进行政机关完成某项任务、达到某个目标而进行的监督，多以检查监督的方式进行，后者是指为了防止和纠正违法行政而进行的监督，多以申诉和诉讼的方式进行。

三。监督类型

您的浏览器不支持HTML5视频 zymedia("video")

四。监督分类

监督分类一般是先选取图像中已知样本(训练区域)的统计数据，找出分类参数和条件，建立判别函数，然后对整幅图像或待分类像素进行分类。遥感图像处理中常用的监督分类方法有最小距离法、贝叶斯线性和非线性判别法(更大似然法)、多级分割法(平行六面体法)、特征曲线法(光谱角法)、马氏距离法、Fisher线性判别法等。

1.最小距离法

最小距离法的基本原理是根据已知类别或训练样本的模式特征，选取特征参数并建立判别函数，通过比较它们之间的距离和每个类别的平均向量，将待分类像素划分到距离最小的类别中。为了保证分类精度，需要进行正交变换(如K-L变换等。)特征之间空。首先在图像显示屏上选择训练样本区域，从图像数据中获取训练样本区域各波段的平均值和标准差。然后计算其他像素的亮度向量与训练区域的谱均值向量之间的距离。基于这种方法的分类指标是绝对距离或欧氏距离，其中欧氏距离是最常用的。如果距离小于指定的阈值(通常是标准偏差的倍数)，并且到某一类的距离最近，则该像素被分类为某一类。这种分类方法的精度取决于训练样本区域(地物类别)的数量和样本区域的统计精度。由于计算简单，可以逐个像素扫描分类，一般分类效果较好，所以是一种常用的监督分类方法。

图4-23 iso data方法框图

2.贝叶斯线性和非线性判别方法(更大似然法)

该方法假设所有类别的概率密度分布为正态分布，通过与每个类别的似然比进行比较，将待分类像素划分到似然比更高的类别中。其分类指标是似然率(条件概率)。它是一种非线性监督分类，通过贝叶斯判别原理进行分析。简单来说，它可以假设已知或确定的训练样本区域的典型标准的先验概率，然后将一些特征归纳成一些类型的函数，根据损失函数，得到损失最小时的更佳判断。该方法分类效果较好，但计算量较大。

3.多级分割法(平行六面体法)

多级分割方法的基本原理是在特征空空间中的每个特征变量轴上设置一系列分割点(分割点根据训练数据的统计特征确定)，将多维特征空空间划分为不重叠的子空空间，每个子空空间对应一个分类类别，这就需要在特征空之间进行正交变换(如K-L变换)来提高分类精度。

4.特征曲线法(光谱角法)

特征曲线法的基本原理是以地物特征参数曲线(如地物光谱特征曲线)之间的相似系数(变量间样本点向量夹角的余弦空)作为分类判别指标。

5.马氏距离法

Mahalanobis距离法充分考虑了多维变量空中反映样本点随机概率密度分布特征的协方差矩阵。当变量正交时，等价于加权欧氏距离。因此，这种方法一般比最小距离法等方法具有更好的分类识别效果。

监督结果明确，分类准确率比较高，但对训练样本要求高。所以使用时要注意应用条件，在一个地区建立的判别式不一定完全适用于其他地区。另外，有时训练区域不能完全覆盖所有光谱样式，会导致部分像素失去归属。因此，在实际工作中，监督分类和非监督分类经常一起使用，互为补充，进一步提高了分类的效率和精度。

基于更大似然原理的监督分类的优点是，如果空之间的聚类呈正态分布，会减少分类误差，分类速度会更快。监督分类的主要缺陷是在分类前需要对具有单一样本属性的训练样本区域进行划界，这可以通过无监督的方法来完成，即通过无监督的方法将某些区域聚类成不同的单一类别，然后用这些单一类别区域通过监督的方法来“训练”计算机。其他区域由经过“训练”的计算机进行分类，避免了缓慢的无监督方法对整个图像区域进行分类，在保证分类精度的前提下提高了分类速度。它可以按以下步骤进行。

之一步是选择一些有代表性的区域进行无监督分类。尽可能地，这些区域包括所有有趣的特性类别。这些区域的选取与监管法分类训练样本区域的要求相反，监管法分类训练样本区域尽量单一。在这里，所选择的区域包含尽可能多的类别，以便所有感兴趣的地面物体类别可以被聚类。

第二步是获取多个聚类类别的先验知识。这些先验知识可以通过解释和实地调查获得。聚类类别用作监督分类的训练样本区域。

第三步是特征选择。选择最适合的特征图像用于后续分类。

第四步，利用监督法对整幅图像进行分类。根据前面步骤获得的先验知识和聚类后的样本数据，设计分类器，对整个图像区域进行分类。

步骤5，输出标记图像。由于在分类之后已经确定了图像的类别信息，所以可以将整个图像标记为相应的类别以供输出。

目前，图像分类广泛应用于农林土地资源遥感调查。对于地质体的分类，由于干扰因素较大，经过变换(比值变换、K-L变换等)的图像。)一般分类，现在常用于岩性填图或热液蚀变填图。随着计算机软硬件技术的日益成熟，计算机图像分类将会得到越来越广泛的应用。

复习试题

1.数字图像的基本概念是什么？

2.数字图像存储格式有哪些类型？

3.遥感单波段和多波段数据的基本统计有哪些？

4.什么是辐射误差？主要来源是什么？

5.什么是大气改正？解释回归分析和直方图修正的原理。