什么是监督分类和非监督分类?

如题所述

监督分类又称训练场地法、训练分类法,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。

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。

扩展资料

监督分类的主要优点如下:

(1)可根据应用目的和区域,充分利用先验知识,有选择地决定分类类别,避免出现不必要的类别;

(2)可控制训练样本的选择;

(3)可通过反复检验训练样本,来提高分类精度,避免分类严重错误;

(4)避免了非监督分类中对光谱集群组的重新归类。

缺点如下:

(1)其分类系统的确定、训练样本的选择,均人为主观因素较强,分析者定义的类别有可能并不是图像中存在的自然类别,导致各类别间可能出现重叠;分析者所选择的训练样本也可能并不代表图像中的真实情形;

(2)由于图像中同一类别的光谱差异,造成训练样本没有很好的代表性;

(3)训练样本的选取和评估需花费较多的人力、时间;

(4)只能识别训练样本中所定义的类别,若某类别由于训练者不知道或者其数量太少未被定义,则监督分类不能识别。

参考资料来源:百度百科-监督分类

温馨提示:答案为网友推荐,仅供参考
第1个回答  推荐于2019-11-18

监督分类又称训练场地法、训练分类法,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。

定义:

监督分类是遥感图像分类的一种,即用被确认类别的样本像元去识别其他未知类别像元的过程。已被确认类别的样本像元是指那些位于训练区的像元。

在这种分类中,分析者在图像上对每一种类别选取一定数量的训练区,计算机计算每种训练样区的统计或其他信息,每个像元和训练样本作比较,按照不同规则将其划分到和其最相似的样本类。监督分类可分两个基本步骤:选择训练样本和提取统计信息,以及选择分类算法。

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。

定义:

非监督分类是指人们事先对分类过程不施加任何的先验知识,而仅凭数据,即自然聚类的特性,进行“盲目”的分类;其分类的结果只是对不同类别达到了区分,但并不能确定类别的属性,亦即:非监督分类只能把样本区分为若干类别,而不能给出样本的描述;其类别的属性是通过分类结束后目视判读或实地调查确定的。

非监督分类也称聚类分析。 一般的聚类算法是先选择若干个模式点作为聚类的中心。每一中心代表一个类别,按照某种相似性度量方法(如最小距离方法)将各模式归于各聚类中心所代表的类别,形成初始分类。然后由聚类准则判断初始分类是否合理,如果不合理就修改分类,如此反复迭代运算,直到合理为止。

与监督法的先学习后分类不同,非监督法是边学习边分类,通过学习找到相同的类别,然后将该类与其它类区分开,但是非监督法与监督法都是以图像的灰度为基础。通过统计计算一些特征参数,如均值,协方差等进行分类的。所以也有一些共性。

扩展资料:

监督分类与监督分类的区别:

有监督必须有训练集与测试样本。在训练集中找规律,而对测试样本使用这种规律;非监督没有训练集,只有一组数据,在该组数据集内寻找规律。

有监督方法的目的是识别事物,识别的结果表现在给待识别数据加上了标号。因此训练样本集必须由带标号样本组成;非监督方法只有分析数据集本身,无标号。如果发现数据集呈现某种聚集性,则可按自然的聚集性分类,但不以与某种预先的分类标号为目的。

分类方法

(一)波普图形识别分类

(二)聚类分析

动态聚类。聚类的方法主要有基于最邻近规则的试探法、K-means均值算法、迭代自组织的数据分析法(ISODATA)等。

模糊聚类法。模糊分类根据是否需要先验知识也可以分为监督分类和非监督分类.。

系统聚类。这种方法是将影像中每个像元各自看作一类,计算各类间均值的相关系数矩阵,从中选择最相关的两类进行合并形成新类,并重新计算各新类间的相关系数矩阵,再将最相关的两类合并,这样继续下去,按照逐步结合的方法进行类与类之间的合并,直到各个新类间的相关系数小于某个给定的阈值为止。

分裂法,又称等混合距离分类法。

它与系统聚类的方法相反,在开始时将所有像元看成一类,求出各变量的均值和均方差,按照一定公式计算分裂后两类的中心,再算出各像元到这两类中心的聚类,将像元归并到距离最近的那一类去,形成两个新类,然后再对各个新类进行分类,只要有一个波段的均方差大于规定的阈值,新类就要分裂。

参考资料来源:百度百科监督分类

本回答被网友采纳
第2个回答  2019-02-01

1、形式内容不同。有监督必须有训练集与测试样本。在训练集中找规律,而对测试样本使用这种规律;非监督没有训练集,只有一组数据,在该组数据集内寻找规律。

2、目的不同。有监督方法的目的是识别事物,识别的结果表现在给待识别数据加上了标号。因此训练样本集必须由带标号样本组成;非监督方法只有分析数据集本身,无标号。如果发现数据集呈现某种聚集性,则可按自然的聚集性分类,但不以与某种预先的分类标号为目的。

3、方法不同。有监督的方法包括平行算法、平行六面体法、最大似然法、最小距离法、马氏距离法、二值编码分类法、波谱角填图分类法、费歇尔线性判别法等;而非监督方法包括波普图形识别法和聚类分析法。

扩展资料

监督分类的主要优点如下:

(1)可根据应用目的和区域,充分利用先验知识,有选择地决定分类类别,避免出现不必要的类别;

(2)可控制训练样本的选择;

(3)可通过反复检验训练样本,来提高分类精度,避免分类严重错误;

(4)避免了非监督分类中对光谱集群组的重新归类。

非监督分类也称聚类分析。 一般的聚类算法是先选择若干个模式点作为聚类的中心。每一中心代表一个类别,按照某种相似性度量方法(如最小距离方法)将各模式归于各聚类中心所代表的类别,形成初始分类。

然后由聚类准则判断初始分类是否合理,如果不合理就修改分类,如此反复迭代运算,直到合理为止。

参考资料来源:百度百科-监督分类

参考资料来源:百度百科-非监督分类

本回答被网友采纳
第3个回答  推荐于2019-08-21

    监督分类是基于对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别,于是可以利用这些样本类别的特征作为依据来判断非样本数据的类别。

    非监督分类是遥感图像地物的属性不具有先验知识,纯粹依靠不同光谱数据组合在统计上的差别来进行“盲目分类”,事后再对已分出各类的地物属性进行确认的过程。


监督分类和非监督分类的区别:

    监督分类对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别;非监督分类对于遥感图像地物的属性不具有先验知识。

    监督分类以样本类别的特征作为依据可直接判断判断非样本数据的类别;非监督分类仅凭据遥感影像地物的光谱特征的分布规律,随其自然地进行盲目的分类,并不确定类别的属性,其属性是通过事后对各类的光谱响应曲线进行分析,以及与实地调查相比较后确定的。

共同点:都是依据地物的光谱特性的点独立原则来分类的,且都采用的是统计方法。

参考:百度百科——非监督分类 百度百科——监督分类

本回答被网友采纳
第4个回答  2019-02-07

监督分类是基于对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别,于是可以利用这些样本类别的特征作为依据来判断非样本数据的类别。

非监督分类是遥感图像地物的属性不具有先验知识,纯粹依靠不同光谱数据组合在统计上的差别来进行“盲目分类”,事后再对已分出各类的地物属性进行确认的过程。

扩展资料:

一、监督分类与监督分类的区别:

1、有监督必须有训练集与测试样本。在训练集中找规律,而对测试样本使用这种规律;非监督没有训练集,只有一组数据,在该组数据集内寻找规律。

2、有监督方法的目的是识别事物,识别的结果表现在给待识别数据加上了标号。因此训练样本集必须由带标号样本组成;非监督方法只有分析数据集本身,无标号。如果发现数据集呈现某种聚集性,则可按自然的聚集性分类,但不以与某种预先的分类标号为目的。

二、督分类算法:

1、平行算法

又称盒式决策规则,是根据训练样本的亮度值范围形成一个多维数据空间。其他像元的光谱值如果落在训练样本的亮度值所对应的区域,就被划分到其对应的类别中。这种算法简明、直接,能将大多数像元划分到一个类别。缺点是当类别较多时,各类别所定义的区域容易重叠。

2、平行六面体法

平行六面体将用一条简单的判定规则对多光谱数据进行分类。判定边界在影像数据空间中是否行成了一个N维的平行六面体。平行六面体的尺度是由标准差阈值所确定的,而该标准差阈值则是根据每种所选类的均值求出的。

三、非监督分类方法

1、动态聚类。聚类的方法主要有基于最邻近规则的试探法、K-means均值算法、迭代自组织的数据分析法(ISODATA)等。

2、系统聚类。这种方法是将影像中每个像元各自看作一类,计算各类间均值的相关系数矩阵,从中选择最相关的两类进行合并形成新类,并重新计算各新类间的相关系数矩阵,再将最相关的两类合并,这样继续下去,按照逐步结合的方法进行类与类之间的合并,直到各个新类间的相关系数小于某个给定的阈值为止。

参考资料来源:百度百科-监督分类

参考资料来源:百度百科-非监督分类

本回答被网友采纳
相似回答