非監督分類
在非監督分類的情況下，並無基準類別的先驗知識可利用，因而只能先假定初始的參量，
並通過預分類處理來形成集群，再由集群的統計參數來調整預置的參量，接著再聚類，再
調整，如此不斷迭代直至有關參量的變量的變動在容忍的範圍內為此，通過這個過程來使
判決函數得以確定。
(就是說沒有相關資料可以參考，直接用電腦來分析他的特性)
舉例來說，你眼前有一堆書，叫你分成五類，但沒教你怎麼分類
你眼前只有五個書架，你只能自已動腦來分類。
監督分類
基本特點是在分類前對遙感圖像上某些抽樣區中影像地物的類別屬性已有了先驗知識，這
些先驗知識通常是通過實地的抽樣調查，配合人工目視判讀技術來獲得，一旦抽樣后中的
類別屬性已經認定，再要求電腦按照已知類別的特征去訓練判決函數，以便用經過訓練的
判決函數把像按指定的類別分類
(有相關相考資料，再用比對的方法，按圖索騎，來分成某些類別)
舉例來說，你眼前有一堆書，叫你分類，眼前有五個書架
書架上有書，你就可以照書架上放書的方法，來分類
※ 引述《cccmj (真心)》之銘言：
: 請教土木版的前輩
: 小弟在書籍中看到監督式分類和非監督式分類
: 可是實在搞不清楚他大致上再講什麼
: 有人能用比較口語的講法告訴我
: 到底是差別在哪
: 讓我比較容易理解
--
◤ ◥ 答 ◤ ◥ 拉 ◤ ◥ 米 ◤ ◥ 哆
Σ ◆ ◆ 蚊 Σ ◆ ◆ 肥 Σ ◆ ◆ 開 Σ ◆ ◆ 啦
︵ 吸 ︵ 兒 ︵ 喇 ︵ 太
◣++++++◢ ◣++++++◢ ◣++++++◢ 雞 ◣++++++◢ 裸
◥▇▆@ ≡ @▆▇◤ Ψ ≡ Ψ ▄ ≡ ▄ 囉 ▄▄▄ ≡ ▄▄▄
▅ ▅ ▄/ ▅ \▄ ▅ ＡΓＶＩＳＳ
--
在非監督分類的情況下，並無基準類別的先驗知識可利用，因而只能先假定初始的參量，
並通過預分類處理來形成集群，再由集群的統計參數來調整預置的參量，接著再聚類，再
調整，如此不斷迭代直至有關參量的變量的變動在容忍的範圍內為此，通過這個過程來使
判決函數得以確定。
(就是說沒有相關資料可以參考，直接用電腦來分析他的特性)
舉例來說，你眼前有一堆書，叫你分成五類，但沒教你怎麼分類
你眼前只有五個書架，你只能自已動腦來分類。
監督分類
基本特點是在分類前對遙感圖像上某些抽樣區中影像地物的類別屬性已有了先驗知識，這
些先驗知識通常是通過實地的抽樣調查，配合人工目視判讀技術來獲得，一旦抽樣后中的
類別屬性已經認定，再要求電腦按照已知類別的特征去訓練判決函數，以便用經過訓練的
判決函數把像按指定的類別分類
(有相關相考資料，再用比對的方法，按圖索騎，來分成某些類別)
舉例來說，你眼前有一堆書，叫你分類，眼前有五個書架
書架上有書，你就可以照書架上放書的方法，來分類
※ 引述《cccmj (真心)》之銘言：
: 請教土木版的前輩
: 小弟在書籍中看到監督式分類和非監督式分類
: 可是實在搞不清楚他大致上再講什麼
: 有人能用比較口語的講法告訴我
: 到底是差別在哪
: 讓我比較容易理解
--
◤ ◥ 答 ◤ ◥ 拉 ◤ ◥ 米 ◤ ◥ 哆
Σ ◆ ◆ 蚊 Σ ◆ ◆ 肥 Σ ◆ ◆ 開 Σ ◆ ◆ 啦
︵ 吸 ︵ 兒 ︵ 喇 ︵ 太
◣++++++◢ ◣++++++◢ ◣++++++◢ 雞 ◣++++++◢ 裸
◥▇▆@ ≡ @▆▇◤ Ψ ≡ Ψ ▄ ≡ ▄ 囉 ▄▄▄ ≡ ▄▄▄
▅ ▅ ▄/ ▅ \▄ ▅ ＡΓＶＩＳＳ
--
All Comments