利用易康进行SVM分类过程中遇到的问题及解决

分类精度评价的方法参考:

使用技巧-分类样本或者测试样本的保存和导入_用户2515847783_新浪博客 (sina.com.cn)

(4条消息) 使用易康(eCognition Developer 8.9)对遥感影像进行面向对象分类_易康面向对象分类_Little_giser的博客-CSDN博客

eCognition8.9面向对象分类详细步骤.pdf (book118.com)

ecognition分类精度评价 - 知乎 (zhihu.com)

 1.不要先新建工作空间再导入工程文件。直接新建project即可。

2.通过

可以调出sample editor里的

然后点击并选择样本点可以调出

  和     

3.分类评价精度过小:

(1)有些同一个类别但是差异较大的地物也要先分开,后期再去合并

(2)删掉那些不容易区分的,或者增加一些样本,选特征明显的样本。

4. 创建图像分类特征指标

选择一些图像特征来作为分类的依据。首先,找到Feature View 窗口,选择

双击 Brightness,等待系统计算所有 Objects 的 Brightness 值,再点击图像主窗口的任意一个对象,就可以在 Image Object Information 窗口看到这个对象的 Brightness 特征值。

5.svm分类报错所作尝试:

样本在最开始时加入!分割时选的yes!且任何进程,填完参数后先ok,再重新打开execute。成功!

6.用混淆矩阵TTA计算精度是1:

TTA的制作和保存需要新建一个易康工程去做,并在原工程文件中load和计算精度。

其他:

.shp(矢量文件)文件是主文件,存储空间对象的坐标点信息,比如构成点、线、面对象的坐标点序列。

.dbf(属性文件,可用excel打开)文件存储空间对象对应的属性表信息,比如一个面对象可能有名称、编码、面积等,这些信息都保存在dbf文件中。这个文件可以用excel单独打开。

.prj(投影文件,文本,可用记事本打开)文件存储空间坐标系统,指明了shp文件包含的坐标点是在哪个坐标系下的。这个文件是个普通的文本文件,可以用记事本打开。

.shx()文件存储索引信息,指明空间对象的隶属关系。空间索引:spatial index

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 易康是一种面向对象的编程语言,它提供了一种简单而强大的方式来实现K最近邻(KNN)算法的监督分类。 K最近邻是一种基本的机器学习算法,它通过比较待分类样本与已知类别样本之间的距离来进行分类。在KNN算法,K代表了选择的最近邻样本的数量,这些样本的类别将决定待分类样本的类别。 通过易康编程语言,我们可以很容易地实现KNN算法。首先,我们需要定义一个样本类,该类包含了样本的特征和对应的类别。然后,我们可以根据已有的样本数据集,根据指定的K值,计算待分类样本与每个样本之间的距离,并选择K个最近邻样本。最后,根据K个最近邻样本的类别,通过投票或加权投票的方式确定待分类样本的类别。 易康为我们提供了丰富的面向对象编程特性,例如类的定义和对象的创建,这使得我们能够更加方便地组织和处理数据。此外,易康还提供了丰富的数学函数和算法库,使得我们能够轻松地计算距离、进行排序和统计。 通过易康编写KNN算法的教程,我们可以学习如何使用易康语言进行面向对象的编程,以及如何利用K最近邻算法进行监督分类。这将帮助我们理解KNN算法的原理和实现细节,并为我们提供一个实际操作的示例。同时,这也会增强我们的编程能力和机器学习算法的理解。 ### 回答2: 易康面向对象KNN监督分类教程是一篇关于使用易康软件进行KNN(K-最近邻)监督分类的指导教程。 KNN算法是一种常用的监督学习算法,用于分类和回归任务。它通过计算待分类样本与训练集各个样本之间的距离,选取其距离最近的K个样本,根据这K个样本的类别进行投票决定待分类样本的类别。 易康软件是一种简单易用的数据挖掘和机器学习工具,提供了丰富的功能和工具来支持各种机器学习算法的实现与应用。 在这篇教程,首先介绍了KNN算法的原理和步骤。然后,详细描述了如何使用易康软件加载数据集和预处理数据。之后,通过设置K值和距离度量方法等参数,演示了如何进行KNN算法的模型训练和分类预测。最后,给出了评估分类器性能和优化模型的方法。 教程还提供了实例数据集和代码示例,以帮助读者更好地理解和掌握KNN算法易康软件的使用。读者可以按照教程的步骤进行实际操作,并根据自己的需求进行调整和优化。 总之,易康面向对象KNN监督分类教程提供了一种简单明了的学习路径,帮助读者了解和应用KNN算法,并通过易康软件进行实际的监督分类任务。这个教程是学习机器学习和数据挖掘领域的初学者和从业者的有价值的参考资料。 ### 回答3: 易康是一家提供医疗数据分析解决方案的公司,他们开发了一个面向对象的KNN监督分类教程。 KNN(k-nearest neighbors)是一种常用的机器学习算法,用于分类和回归问题。该算法将新的实例分配给距离其最近的k个邻居最常见的类别,从而实现分类任务。面向对象编程是一种编程范式,它将数据和行为组织在对象,并通过对象之间的交互来完成任务。 易康的KNN监督分类教程通过面向对象的方式,提供了一个详细的指南,帮助用户了解和应用KNN算法进行分类任务。教程的目的是帮助用户理解KNN算法的原理和实现步骤,并通过实际案例应用来加深理解。 教程主要包括以下内容: 1. KNN算法的介绍:教程首先介绍了KNN算法的概念、原理和工作流程。用户可以了解KNN算法的基本思想和如何选择合适的k值。 2. 数据准备和预处理:教程提供了一些数据准备和预处理的技巧,帮助用户清洗和准备数据集,以便进行KNN分类。 3. KNN分类器的实现:教程使用Python编程语言演示了KNN分类器的实现过程。用户可以学习如何编写代码来计算距离、选择最近的邻居并进行分类。 4. 参数调优和模型评估:教程介绍了如何调整KNN算法的参数,并使用交叉验证等技术来评估模型的性能。 5. 实际案例应用:教程提供了一些实际案例,如基于KNN的手写数字识别和鸢尾花分类等,让用户通过实践来加深对KNN算法的理解和应用。 通过易康的面向对象的KNN监督分类教程,用户可以系统地学习和掌握KNN算法,并能够在实际应用解决分类问题。该教程对于有一定机器学习基础的人员来说是一个很好的学习资源。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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