itgle.com
参考答案和解析
B
更多“19、决策树分类是一种非监督分类方法。”相关问题
  • 第1题:

    遥感影像计算机自动分类中,主要根据像元间相似度进行分类的方法是()。

    A、监督分类法
    B、非监督分类法
    C、目标分类法
    D、层次分类法

    答案:B
    解析:

  • 第2题:

    决策树是一种采用测量不同特征值之间的距离方法进行分类的算法。


    正确答案:错误

  • 第3题:

    非监督分类常用的方法是K-均值算法和最大似然比法。


    正确答案:错误

  • 第4题:

    非监督分类


    正确答案:没有先验的样本类别,根据像元间的相似度大小进行归类,将相似度大的归为一类的方法。

  • 第5题:

    比较监督分类和非监督分类方法。


    正确答案: 监督分类:依据已知样本类别的特征来识别未知样本象元的归属类别。
    非监督分类:在没有先验知识作为样本的条件下,根据象元间的相似度大小进行归类合并的方法。
    监督分类的优点:
    (1)可根据应用目的和区域,有选择地决定分类类别,避免出现一些不必要的类别
    (2)可控制训练样本的选择。
    (3)可通过检查训练样本来决定训练样本是否被精确分类,从而避免分类中的严重错误。
    (4)避免了非监督分类中对光谱集群组的重新分类。
    监督分类的缺点:
    (1)其分类系统的确定、训练样本的选择,均人为主观因素较强,分类者定义的类别也许并不是图像中存在的自然类别,导致多维数据空间中各类别之间并非独一无二,而是有重叠的;分类者选择的训练样本也可能不代表图像中的真实情形。
    (2)由于图像中同一类别的光谱差异,造成训练样本并没有很好的代表性。
    (3)训练样本的选择和评估需要花费较多的人力和时间。
    (4)只能识别训练样本中所定义的类别,如果某类别由于分类者不知道或者数量太少未被定义,则监督分类不能识别。
    非监督分类的优点:
    (1)非监督分类不需要事先对所要分类的地区有广泛的了解和熟悉,而监督分类需要分类者对研究区域有很好的了解才能选择训练样本。但是在分监督分类中分类者仍需要一定的知识来解释非监督得到的集群组。
    (2)人为误差的机会减少。
    (3)独特的,覆盖量小的类别均能够被识别。
    非监督分类的缺点:
    (1)非监督分类产生的光谱集群组并不一定是分类者想要的类别,分类者面临如何将它们与想要的类别相匹配的问题,实际上很少有一对一的对应关系。
    (2)分类者很难对产生的类别进行控制。
    (3)图像中各类别的光谱特征会随时间、地形等变化,不同图像以及不用时间段的图像之间的光谱集群组无法保持其连续性,从而使其不同图像之间的对比变得困难。

  • 第6题:

    什么是监督分类,什么是非监督分类?简述监督分类和非监督分类的异同。


    正确答案: 1)监督分类是基于对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别,于是可以利用这些样本类别的特征作为依据来判断非样本数据的类别。
    2)非监督分类是遥感图像地物的属性不具有先验知识,纯粹依靠不同光谱数据组合在统计上的差别来进行“盲目分类”,事后再对已分出各类的地物属性进行确认的过程。
    3)异:
    A.监督分类对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别;非监督分类对于遥感图像地物的属性不具有先验知识。
    B.监督分类以样本类别的特征作为依据可直接判断判断非样本数据的类别;非监督分类仅凭据遥感影像地物的光谱特征的分布规律,随其自然地进行盲目的分类,并不确定类别的属性,其属性是通过事后对各类的光谱响应曲线进行分析,以及与实地调查相比较后确定的。
    4)同:都是依据地物的光谱特性的点独立原则来分类的,且都采用的是统计方法。

  • 第7题:

    填空题
    非监督分类有多种方法,其中,()方法和()方法是效果较好、使用最多的两种方法。

    正确答案: K-均值、ISODATA
    解析: 暂无解析

  • 第8题:

    填空题
    在非监督分类中,初始类别参数的选择方法有()、()、()、()

    正确答案: 光谱特征比较法、直方图法、最大最小距离法、局部直方图峰值法
    解析: 暂无解析

  • 第9题:

    问答题
    比较监督分类与非监督分类的优缺点。

    正确答案: (一)非监督分类的优点
    1)非监督分类不需要预先对所要分类的区域深入的了解。
    2)人为误差的概率很小。在进行非监督分类时,分析人员仅仅只需要设定分类的数量。
    3)只要设立足够多的类别,就可以对图像进行全部分类。
    (二)监督分类的优点
    1)分析人员可以控制,适用于研究,需要区域地理特征的信息特征。
    2)可控制训练样区和训练样本的选择。
    3)运用监督分类不必担心光谱类别和地物类别的匹配问题。
    4)通过检验训练样本精度,确定分类是否正确,估算监督分类中的误差。
    5)避免了非监督分类中对光谱集群类别的重新归类。
    (三)非监督分类的缺点和限制
    1)非监督分类形成的光谱类别并不一定与地物类别对应。
    2)分析人员很难控制分类产生的类别并进行识别。
    3)由于地物类别的光谱特征随着时间而变化,因此,地物类别与光谱类别间的关系并不是固定的。
    (四)监督分类的缺点和局限
    1)分类体系和训练样区的选择有主观因素的影响
    2)训练样区的代表性问题。
    3)有时训练样区的选择很困难。
    4)只能分类出训练样本所定义的类别,对于未被分析人员定义的类别则不能识别,容易造成类别的遗漏。
    解析: 暂无解析

  • 第10题:

    问答题
    叙述监督分类与非监督分类的区别。

    正确答案: 1)监督分类非监督分来定义
    2)监督分类先学习后分类,非监督分类边学习边分类。
    解析: 暂无解析

  • 第11题:

    单选题
    遥感图像的计算机分类方法包括监督分类和非监督分类。以下属于非监督分类方法的是()
    A

    最小距离分类法

    B

    多级切割分类法

    C

    分级集群法

    D

    特征曲线窗口法


    正确答案: A
    解析: 暂无解析

  • 第12题:

    判断题
    非监督分类常用的方法是K-均值算法和最大似然比法。
    A

    B


    正确答案:
    解析: 暂无解析

  • 第13题:

    关于期望值方法和决策树,正确的说法有()。

    • A、决策树很易懂
    • B、期望值方法是一种计量决策方法
    • C、决策树是期望值方法的一种方法
    • D、决策树很直观
    • E、采用期望值法主要是为了减少结果的不可靠性

    正确答案:A,B,C,D,E

  • 第14题:

    决策树是建立在()基础之上,对数据进行分类的一种方法。

    • A、控制论
    • B、系统论
    • C、信息论
    • D、方法论

    正确答案:C

  • 第15题:

    监督分类和非监督分类的结合操作步骤?


    正确答案: 第一步:选择一些有代表性的区域进行非监督分类。
    第二步:获得多个聚类别的先验知识。
    第三步:特征选择。
    第四步:使用监督法对整个影像进行分类。
    第五步:输出标记图像。

  • 第16题:

    遥感图像的计算机分类方法包括监督分类和非监督分类。以下属于非监督分类方法的是()

    • A、最小距离分类法
    • B、多级切割分类法
    • C、分级集群法
    • D、特征曲线窗口法

    正确答案:C

  • 第17题:

    简述非监督分类的原理、方法、步骤。


    正确答案: 非监督分类定义:是指人们事先对分类过程不施加任何的先验知识,仅凭遥感影像地物的光谱特征的分布规律,随其自然地进行盲目的分类。
    原理:遥感图像上的同类地物在相同的表面结构特征、植被覆盖、光照等条件下,一般具有相同或相近的光谱特征,从而表现出某种内在的相似性,归属于同一个光谱空间区域,不同的地物,光谱信息特征不同,归属于不同的光谱特征空间。
    主要采用聚类分析的方法,代表性的有ISODATA法、K-Mean法
    步骤:
    (1)确定初始类别参数,即确定最初类别数和类别中心
    (2)计算每一个象元所对应的特征矢量与各类集群中心的距离
    (3)选与中心距离最短的类别作为这一矢量的所属类别
    (4)计算新的类别均值向量
    (5)比较新的类别均值与原中心位置上的变化。若位置发生了改变,则以新的类别均值为聚类中心,再从第2步开始重复,进行反复迭代操作
    (6)如果聚类中心不再变化,计算停止。

  • 第18题:

    判断题
    决策树是一种采用测量不同特征值之间的距离方法进行分类的算法。
    A

    B


    正确答案:
    解析: 暂无解析

  • 第19题:

    问答题
    比较监督分类和非监督分类方法。

    正确答案: 监督分类:依据已知样本类别的特征来识别未知样本象元的归属类别。
    非监督分类:在没有先验知识作为样本的条件下,根据象元间的相似度大小进行归类合并的方法。
    监督分类的优点:
    (1)可根据应用目的和区域,有选择地决定分类类别,避免出现一些不必要的类别
    (2)可控制训练样本的选择。
    (3)可通过检查训练样本来决定训练样本是否被精确分类,从而避免分类中的严重错误。
    (4)避免了非监督分类中对光谱集群组的重新分类。
    监督分类的缺点:
    (1)其分类系统的确定、训练样本的选择,均人为主观因素较强,分类者定义的类别也许并不是图像中存在的自然类别,导致多维数据空间中各类别之间并非独一无二,而是有重叠的;分类者选择的训练样本也可能不代表图像中的真实情形。
    (2)由于图像中同一类别的光谱差异,造成训练样本并没有很好的代表性。
    (3)训练样本的选择和评估需要花费较多的人力和时间。
    (4)只能识别训练样本中所定义的类别,如果某类别由于分类者不知道或者数量太少未被定义,则监督分类不能识别。
    非监督分类的优点:
    (1)非监督分类不需要事先对所要分类的地区有广泛的了解和熟悉,而监督分类需要分类者对研究区域有很好的了解才能选择训练样本。但是在分监督分类中分类者仍需要一定的知识来解释非监督得到的集群组。
    (2)人为误差的机会减少。
    (3)独特的,覆盖量小的类别均能够被识别。
    非监督分类的缺点:
    (1)非监督分类产生的光谱集群组并不一定是分类者想要的类别,分类者面临如何将它们与想要的类别相匹配的问题,实际上很少有一对一的对应关系。
    (2)分类者很难对产生的类别进行控制。
    (3)图像中各类别的光谱特征会随时间、地形等变化,不同图像以及不用时间段的图像之间的光谱集群组无法保持其连续性,从而使其不同图像之间的对比变得困难。
    解析: 暂无解析

  • 第20题:

    问答题
    什么是监督分类,什么是非监督分类?简述监督分类和非监督分类的异同。

    正确答案: 1)监督分类是基于对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别,于是可以利用这些样本类别的特征作为依据来判断非样本数据的类别。
    2)非监督分类是遥感图像地物的属性不具有先验知识,纯粹依靠不同光谱数据组合在统计上的差别来进行“盲目分类”,事后再对已分出各类的地物属性进行确认的过程。
    3)异:
    A.监督分类对于遥感图像上样本区内的地物的类属已有先验的知识,即已经知道它所对应的地物类别;非监督分类对于遥感图像地物的属性不具有先验知识。
    B.监督分类以样本类别的特征作为依据可直接判断判断非样本数据的类别;非监督分类仅凭据遥感影像地物的光谱特征的分布规律,随其自然地进行盲目的分类,并不确定类别的属性,其属性是通过事后对各类的光谱响应曲线进行分析,以及与实地调查相比较后确定的。
    4)同:都是依据地物的光谱特性的点独立原则来分类的,且都采用的是统计方法。
    解析: 暂无解析

  • 第21题:

    单选题
    遥感影像计算机自动分类中,主要根据像元间相似度进行分类的方法是()。
    A

    监督分类法

    B

    非监督分类法

    C

    目标分类法

    D

    层次分类法


    正确答案: D
    解析: 暂无解析

  • 第22题:

    名词解释题
    非监督分类

    正确答案: 非监督分类是指人们事先对分类过程不加入任何的先验知识,而仅凭遥感图像中地物的光谱特征,即自然聚类的特性进行的分类。
    解析: 暂无解析

  • 第23题:

    判断题
    监督分类和非监督分类最根本的区别在于非监督分类利用了训练场地来获取先验的类别知识。
    A

    B


    正确答案:
    解析: 暂无解析

  • 第24题:

    问答题
    简述非监督分类的原理、方法、步骤。

    正确答案: 非监督分类定义:是指人们事先对分类过程不施加任何的先验知识,仅凭遥感影像地物的光谱特征的分布规律,随其自然地进行盲目的分类。
    原理:遥感图像上的同类地物在相同的表面结构特征、植被覆盖、光照等条件下,一般具有相同或相近的光谱特征,从而表现出某种内在的相似性,归属于同一个光谱空间区域,不同的地物,光谱信息特征不同,归属于不同的光谱特征空间。
    主要采用聚类分析的方法,代表性的有ISODATA法、K-Mean法
    步骤:
    (1)确定初始类别参数,即确定最初类别数和类别中心
    (2)计算每一个象元所对应的特征矢量与各类集群中心的距离
    (3)选与中心距离最短的类别作为这一矢量的所属类别
    (4)计算新的类别均值向量
    (5)比较新的类别均值与原中心位置上的变化。若位置发生了改变,则以新的类别均值为聚类中心,再从第2步开始重复,进行反复迭代操作
    (6)如果聚类中心不再变化,计算停止。
    解析: 暂无解析