ENVI实现支持向量机分类和神经网络分类

最新推荐文章于 2024-12-30 15:44:05 发布
最新推荐文章于 2024-12-30 15:44:05 发布
阅读量2.2k 收藏 28
点赞数 14
分类专栏： ENVI 文章标签： 支持向量机 分类 神经网络
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_45100200/article/details/138164439
版权
本文介绍了如何在ENVI软件中使用支持向量机进行图像分类，包括制作ROI标签、设置参数以及得到分类结果。同时提及了神经网络的应用，以及如何通过混淆矩阵评估分类精度。最后，提到了参考官方文件以获取更多模型参数的建议。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

一、支持向量机

1、制作标签

2、分类

3、分类结果

二、神经网络

三、分类精度

一、支持向量机

1、制作标签

先作标签，在分类。否则报错

标签就是感兴趣区域ROI

2、分类

在工具栏，图像分类-监督分类-支持向量机

设置参数

3、分类结果

运行后得出分类结果

二、神经网络

神经网络同样的，包括其他的也是

三、分类精度

在工具栏，图像分类-分类后处理-利用地面真实感兴趣区进行混淆矩阵分析

直接选择单波段的分类结果，直接默认参数，点击确定

结果评价

更多模型参数参考官方文件：ENVI中监督分类方法及参数说明

ENVI：如何进行遥感图像的分类?(支持向量机模型)
炒茄子的博客
09-11 1万+
这就还需要用到我们创建的ROI，不过这次用来验证的ROI绝对不能是之前用来训练模型的ROI，否则这次训练是无效的（这很显然是无效的，这类似于考试，平时的训练我给你出了一些题目，然后还给了你标准答案，让你去分析除这一类题目的解法。考试的时候我当然不应该还将之前出过的题目用来考试了，而是应该用类似的题目来考考你，看看你和标准答案之间的区别，如果区别不大那么说明你已经领悟到了这类题目是如何进行计算处理的，如果你给出的答案和标准答案出入很大，那么说明你还没有理解这类题目到底该如何进行计算。这对应于模型也是类似的。
【感知机、神经网络、支持向量机、BP神经网络、梯度下降法的概念及特点区分】
m0_71745983的博客
06-21 1180
感知机、神经网络、支持向量机、BP神经网络、梯度下降
ENVI实现最小距离法、最大似然法、支持向量机遥感图像监督分类与分类后处理操作
疯狂学习GIS的博客
05-31 2万+
本文介绍基于ENVI软件，实现最小距离法、最大似然法与支持向量机三种遥感图像监督分类方法的具体操作，同时进行分类后处理操作，并对不同分类方法结果加以对比分析~
利用envi进行监督分类（支持向量机）
liuninghhhhhh的博客
03-02 1万+
在envi中导入需要分类的遥感影像，先建立兴趣点（草地，水体，建设用地，林地）。 接着进行支持向量机分类，（由于研究区为不规则的，因此不能进行掩膜处理，防止背景参与分类） 导入该研究区的边界shp ...
高光谱遥感图像处理（15）----ENVI使用教程之监督分类参数说明
小木匠的博客
05-05 1万+
根据分类的复杂度、精度需求等选择一种分类器。在主菜单->Classification-> Supervised->分类器类型，此外还包括应用于高光谱数据的波谱角（Spectral Angle Mapper Classification）、光谱信息散度（SpectralInformation Divergence Classification）和二进制编码（Binary Encoding Cla
ENVI中支持向量机算法的帮助文档（翻译）
最新发布
Chen3654825665的博客
12-30 1632
1.如果核类型是多项式，则设置核多项式的度数以指定用于SVM分类的度数（上述核函数中使用的d项）。增加此值也会增加错误分类点的成本，并创建一个可能无法很好泛化的更准确的模型。增加惩罚参数的值会增加错误分类点的成本，并迫使创建可能无法很好泛化的更准确的模型。支持向量机（SVM）是一种基于统计学习理论的监督分类方法，通常可以从复杂和有噪声的数据中获得良好的分类结果。3.如果核类型是多项式、径向基函数或Sigmoid，请使用核函数中的Gamma字段设置核函数中使用的Gamma参数（上述核函数中所用的“g”项）。
envi-监督分类
siwenaiyou的博客
03-20 1200
单击Options-Computer ROI Seperability，选取要计算的ROI样本（选择全部的话，可以点击Select All Items），点击OK。（这一步是计算各样本间的分离，各类样本间的差异性，分离性越大，说明各样本间的相似特征越少）2、比如选择支持向量机的方法进行监督分类，左键双击Support Vector Machine Classification，在弹出的窗口下单击要分类的影像（这里为tif文件，不支持img影像分类）。选取要分类的样本，确认保存路径，点击ok。
envi神经网络分类原理,ENVI神经网络分类
神经网络爱好者
10-23 5842
系统的稳定性可用所谓的“能量函数”进行分析，在满足一定条件下，某种“能量函数”的能量在网络运行过程中不断地减少，最后趋于稳定的平衡状态。要进行线性分类，键入值为0。（1）BP（Back Propagation）神经网络，这是一种应用较广泛的前馈式网络，属于有监督分类算法，它将先验知识融于网络学习之中，加以最大限度地利用，适应性好，在类别数少的情况下能够得到相当高的精度，但是其网络的学习主要采用误差修正算法，识别对象种类多时，随着网络规模的扩大，需要的计算过程较长，收敛缓慢而不稳定，且识别精度难以达到要求。
神经网络和支持向量机的优缺点！
zhaojie456的博客
09-11 2458
原文链接：https://blog.csdn.net/weixin_44883371/article/details/96483963 1、神经网络优缺点 优点： 神经网络有很强的非线性拟合能力，可映射任意复杂的非线性关系，而且学习规则简单，便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力，因此有很大的应用市场。 缺点： （1）最严重的问题是没能力来解释自己的推理过程和推理依据。 （2）不能向用户提出必要的询问，而且当数据不充分的时候，神经网络就无法进行工作。 （3）把一切问题
python神经网络图像分类,图像分类卷积神经网络
shirley67269的博客
08-25 1941
你要看你的图像是什么。如果是彩色数字，先转成灰度。用MNIST训练网络。如果是各种主题，用彩色的imageNET训练。如果你的数据量大到足以与数据集媲美，那么直接用你的数据训练网络即可。在流行的数据集上训练完，你需要固定卷积池化层，只训练后面的全连接层参数，用你自己的数据集。CNN一是调整网络结构，几层卷积几层池化，卷积的模板大小等。而是在确定结构上调整参数，weightscale，learningrate，reg等。你用CNN做图像分类，无非是把CNN当成学习特征的手段，你可以吧网络看成两部分，前面的卷积
ENVI分类方法
01-08
ENVI分类方法指导，讲述各种分类方法的优缺点，可以更了解ENVI分类的使用
envi-监督分类超详细
07-15
超详细的监督分类教程 第一步：打开envi 4.8 打开待处理影像文件（tiff），设置显示rgb先后顺序；
基于ENVI的遥感影像分类
05-14
传统的遥感影像是依据地物的波谱信息来进行分类的。这往往会产生“同物异谱， 异物同谱”的问题， 使得分类精度和效果不理想。因此本文采用基于专家知识的决策树 Ｃ４．５法， 利用地物的波谱信息、归一化植被指数、主成分分析等特征构建决策树， 与监督分类中的支持向量机法、最小距离法去比较。
BP神经网络算法对遥感图像进行监督分类
07-01
利用BP神经网络算法对遥感图像进行监督分类，可以进行交互，自己选区，进行分类
完全卷积神经网络用于遥感图像分类（论文、英文）
12-04
深度学习在图像检索方面的应用，主要的思想是利用预训练网络，原文是英文，资源名称是我自己翻译过来的
envi神经网络分类器
08-20
Envi神经网络分类器是一种机器学习模型，用于对环境和地球观测数据进行分类和预测。它基于神经网络算法，通过对大量的数据进行学习和训练，能够识别各种环境特征和地球要素，如土地利用类型、土壤类型、植被覆盖等。...
基于SVM的SAR海冰分离-利用ENVI中支持向量机工具
weixin_52127098的博客
05-08 1357
基于SVM的SAR海冰分离-利用ENVI中支持向量机工具
Python | 基于支持向量机（SVM）的图像分类案例
python收藏家的博客
06-30 5417
本文的目标是创建和训练支持向量机（SVM）模型，以准确地分类猫和狗的图像。使用GridSearchCV确定SVM模型的最佳参数，并测量模型的准确性。
使用ENVI进行监督分类和非监督分类
热门推荐
qq_43370701的博客
12-27 2万+
使用ENVI进行监督分类和非监督分类，包括最小距离法，最大似然法，支持向量机法，Iso Data法和K-Mean法。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

清纯世纪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值