论文部分内容阅读
在遥感影像分类中,不同分类器的分类表现有很大不同,而这种不同与其所分类数据的统计分布特征、先验知识、训练数据样本的大小以及分类器本身的结构等多个因素相关联。多分类器融合的思想就是利用现有分类器之间的互补性,通过适当的方法将不同的分类器之间进行优势互补,避免单一分类器可能存在的片面性,从而提高分类的准确性。本文研究如何在Matlab软件下采用最短距离分类器、贝叶斯分类器、马氏距分类器、K-均值分类器及BP神经网络分类器对多光谱遥感影像进行分类,并在抽象级和测量级的融合方法下进行多种分类器融合分类实验,最后采用混淆矩阵进行分类结果精度评价。实验结果表明,多分类器融合的遥感影像分类方法在精度上远远高于单一分类器分类。