一、传统的分类方法
计算机自动分类通常分为:非监督分类和监督分类两种。
常见的非监督分类方法有:K-均值、ISODATA(迭代自组织数据分析);
监督分类是在有先验知识的条件下,先选择训练样区、根据已知的像元数据求出参数,确定各类判别函数的形式,然后利用判别函数对未知像元进分类。
常用的监督分类方法有:MLC(最大似然法)、NMC(最小距离法)、光谱角分类法(SAC)。
有时计算机自动分类分为:参数型( Parametric)和非参数型(Nonparametric) 两种。
参数型分类器假设呈现某种概率分布,其方法有MLC;
而非参数型分类器则不对数据分布做任何假设,因而它往往更具鲁棒性,其方法:平行六面体法、最邻近法、ANN、决策树、SVM、专家系统。
二、对传统分类方法的改进
传统的计算机分类方法有六个特点:
1.基于数理统计理论的分类
2.基于影像光谱特征的分类