样本特征对参数/非参数分类器分类精度的影响分析

编号 zgly0001592479

文献类型 期刊论文

文献题名 样本特征对参数/非参数分类器分类精度的影响分析

作者 朱爽  张锦水 

作者单位 北京工业职业技术学院  北京师范大学资源学院/地表过程与资源生态国家重点实验室 

母体文献 遥感技术与应用 

年卷期 2016年04期

年份 2016 

分类号 TP751 

关键词 样本特征  分类精度  光谱离散重叠度  最大似然分类  支撑向量机 

文摘内容 为验证理论训练数量(10~30 p)对参数分类器(如最大似然分类)、非参数分类器(如支撑向量机)的适用性以及样本特征(光谱统计、空间分布特征)对分类器分类精度的影响,选择不同规模的训练样本进行最大似然分类和支撑向量机分类,分析分类精度与样本之间的关系。实验结果表明:随着样本量的增加,最大似然、支撑向量机分类精度均随样本量增多而提高并趋于稳定,最大似然分类精度的增长速度要快于支撑向量机。MLC受样本量的影响较大,在小样本的时候(5个),分类精度不稳定,超过30个样本的时候,分类精度稳定下来;对于SVM分类器,在小样本的时候(5个),分类精度较高且稳定,因此SVM分类适合于小样本分类,不受限于理论样本量的影响。当样本量超过最小理论样本量值(30个)的时候,最大似然分类精度要优于支撑向量机,主要是由于当样本量增加后,最大似然更易于获得有效的信息量样本,而对于支撑向量机边缘信息样本的增加数量不大。研究结果为进一步优化样本进行分类打下前期的实验基础。