非监督分类

简介: 非监督分类

非监督分类的概念:


非监督分类,又称“聚类分析或者点群分析”。在多光谱图像中搜寻、定义其自然相似光谱集群的过程。它不必对图像地物获取先验知识,仅依靠图像上不同地物光谱信息进行特征提取,在统计特征的差别来达到分类的目的,最后对已分出的各个类别的实际属性进行确认。

加载实验图像

打开非监督分类对话框IsoData 或者 K‐Means。这里选择 IsoData

参数设置如下

结果如下


类别定义/类别合并

执行非监督分类之后,获得了一个初步的分类结果,需要进行类别定义和合并子类的操作。

类别定义(修改颜色和图层名称)

在选择非监督分类类别数量时候,一般选择最终结果数量的2~3倍,因此在定义类别之后,需要将相同类别合并。


(1)在Toolbox工具箱中,双击Classification/ post Classification/Combine Classes 工具。在Combine Classes Input File对话框中,选择定义好的分类结果,单击OK按钮,打开Combine Classes Parameters面板。


最后结果如下

最后进行结果统计

目录
相关文章
|
4月前
|
vr&ar
垃圾分类模型想上maixpy(2)
1-1 关于模型部署,MaixPy文档的这一部分中可能有些有用的参考:部署模型到 Maix-I(M1) K210 系列开发板 - Sipeed Wiki 。 实际用数字图片进行测试时,手写数字识别的模型无法产生正确的输出。
151 1
|
4月前
|
编解码 并行计算 TensorFlow
垃圾分类模型想上maixpy(3)
1-5 对比Params与模型文件实际体积。 结果:模型实际大小与Params大小是可以对上的,参数应该是以float32存储。我把“字节”与“位”搞混了,应该是一个字节为8位。
69 0
|
2月前
|
机器学习/深度学习 自然语言处理 算法
什么是数据集的分类?
【7月更文挑战第10天】什么是数据集的分类?
283 1
|
4月前
|
算法 Python
利用贝叶斯算法对简单应用实现预测分类
利用贝叶斯算法对简单应用实现预测分类
|
4月前
|
算法
有监督学习的模型评估和选择
有监督学习的模型评估和选择
|
4月前
|
IDE TensorFlow 开发工具
垃圾分类模型想上maixpy(1)
maixpy笔记 Something 上下拉。应该就是强制高、低电平,可以避免不确定的状态。 模型区没有文件系统,模型之间烧录在指定地址。
100 0
|
机器学习/深度学习 API
机器学习逻辑回归分类评估方法
机器学习逻辑回归分类评估方法
78 0
|
机器学习/深度学习 自然语言处理 算法
机器学习算法(五):基于企鹅数据集的决策树分类预测
机器学习算法(五):基于企鹅数据集的决策树分类预测
|
机器学习/深度学习 算法 数据挖掘
监督分类
监督分类,又称训练分类法,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。它就是在分类之前通过目视判读和野外调查,对遥感图像上某些样区中影像地物的类别属性有了先验知识,对每一种类别选取一定数量的训练样本,计算机计算每种训练样区的统计或其他信息,同时用这些种子类别对判决函数进行训练,使其符合于对各种子类别分类的要求,随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较,按不同的规则将其划分到和其最相似的样本类,以此完成对整个图像的分类。
213 0
|
算法
基于朴素贝叶斯算法对肿瘤类别分类
基于朴素贝叶斯算法对肿瘤类别分类
179 0
基于朴素贝叶斯算法对肿瘤类别分类