遙感原理與應用---第八章遙感圖像自動識別分類(編輯修改稿)
2025-03-20 09:36 本頁面
【文章內容簡介】 原理與應用 小結： 特征提取與選擇的概念、作用 特征提取的方法 特征選擇的方法 第八章 遙感圖像自動識別分類 167。 特征提取與特征選擇 13/13 遙感原理與應用 ? 本課主要內容 分類器概念 最小錯誤率分類器（ Bayes 準則） 線性判別分類器 （ Fisher準則） 非線性判別分類器（最短距離法） ? 本課重點內容 Bayes判別準則 最短距離分類器 第八章 遙感圖像自動識別分類 167。 分類器設計 1/11 遙感原理與應用 一、分類器概念 判別準則（函數）；例子 分類器的分類 線性： Fisher、 MSE、感知準則 非線性：最小距離、二次判別函數、近鄰法 分類器和特征空間維數的關系 第八章 遙感圖像自動識別分類 167。 分類器設計 ωωω 23xx0x 2x3xxx 22/11 遙感原理與應用 第八章 遙感圖像自動識別分類 167。 分類器設計 二、最小錯誤率準則（ Bayes判別準則 ） 本質： 前提：類條件概率密度已知 Bayes判別規(guī)則 cii ?,2,1, ??)( iP ?)|( ixP ?)|( xP i?3/11 遙感原理與應用 第八章 遙感圖像自動識別分類 167。 分類器設計 Bayes判別規(guī)則如下： （ 1） （ 2） （ 3） )()()|()()|()()|()|(1xPPxpPxpPxpxP iicjjjiii??????? ????iicji xxPxP ??? ?? ? 則),|(m a x)|( ,2,1 ?ijjcjii xPxpPxp ????? ?? ? 則),()|(m a x)()|( ,2,1 ?)(ln)|(ln)( iii Pxpxd ?? ??其中ijcji xxdxd ??? ? 則),(m a x)( ,2,1 ?4/11 遙感原理與應用 求類條件概率密度的方法（了解） 將分類器設計問題轉化為求類條件概率密度問題 概率密度估計問題（真正的困難） 常用的方法： 參數估計：點估計 /區(qū)間估計 /最大似然估計 非參數估計： Parzen窗法、 k近鄰估計法 Bayes分類器的理論作用大于實際作用 能否直接利用特征設計分類器呢？ 第八章 遙感圖像自動識別分類 167。 分類器設計 5/11 遙感原理與應用 第八章 遙感圖像自動識別分類 167。 分類器設計 三、線性判別分類器 原理 ： 以兩類為例 本質： 根據實際情況確定一個準則函數 J,并求出準則函數的極值解 w和 w0。對于未知樣本 xk，只要計算g(xk)，根據上面的原理就可判斷 xk的類別。 0)( wxwxg T ??????????????分到某一類則決策則決策如果,0)(,0)(,0)(),()()(2121xgxxgxxgxgxgxg??6/11 遙感原理與應用 第八章 遙感圖像自動識別分類 167。 分類器設計 fisher線性判別 將 Sb/Sw作為準則函數，求解 w，即尋找最好的投影方向問題。 wx 2x2xwx2)( 211 mmSw w ?? ??7/11 遙感原理與應用 四、非線性判別分類器（以最短距離分類器為例） 對未知樣本 x，我們只要比較 x與 c個已知類別之間的歐氏距離，并決策 x與離它最近的類別同類。 問題： v=( 45 421) v’=( ) jiij xcixgxg ???? ，則決策，若 ,2,1)(mi n)( ?2?iikikimxx???第八章 遙感圖像自動識別分類 167。 分類器設計 8/11 遙感原理與應用 特征提取的案例（ PPT155頁）
教學課件相關推薦
鄂ICP備17016276號-1