ArcGIS+人工智能------之机器学习简介
分享
前面我们介绍过arcgis+人工智能之深度学习介绍:arcgis10.8深度学习介绍
本文目的:我们简要介绍目前arcgis集成了那些机器学习算法,我们知道常用的机器学习算法库是scikit-learn;那么我们arcgis有哪些可以直接使用的机器学习算法呢?
答:目前已经集成的有:ISO 聚类、随机树、支持向量机 (SVM)、最大似然法这四种机器学习算法,这也是我们本篇的主角;
影像分类是从多波段遥感影像中提取信息类别(例如土地覆盖类别)的过程。
工作流涉及从预处理到分割、训练样本选择、训练、分类和评估精度的多个步骤。
每个步骤可以是迭代的,并且该过程需要深入了解输入影像、分类模式、分类方法、预期结果和可接受的精度。
ISO 聚类 - ISO 聚类分类器将执行非监督分类。此分类器可处理非常大的分割影像,这些影像的属性表可能会变得很大。另外,此工具还可接受来自第三方应用程序的分割 RGB 栅格。此工具适用于 Esri 支持的标准栅格文件以及分割栅格数据集。最大似然法 - 最大似然法分类器是一种传统的影像分类技术。该分类基于两条原则:多维空间中每个类样本中的像素呈正态分布和贝叶斯决策理论。
随机树 - 随机树分类器是一种强大的影像分类技术,它可防止过度拟合,并可处理分割影像及其他辅助栅格数据集。对于标准影像输入,该工具接受具有任意位深度的多波段影像,它还会基于输入训练要素文件对各像素执行随机树分类。
支持向量机 (SVM) - SVM 分类器提供了一种强大的监督分类方法,可用于处理分割栅格输入或标准影像。它不那么容易被噪音、关联波段以及每个类中不平衡的训练场数量或大小所影响。这是一种被研究人员广泛采用的分类方法。
分类器 说明
ISO 聚类:
ISO 聚类分类器使用 K 均值方法执行无监督分类。此分类器可处理非常大的分割影像,这些影像的属性表可能会变得很大。另外,此工具还可接受来自第三方应用程序的分割 RGB 栅格。此工具适用于 Esri 支持的标准栅格文件以及分割栅格数据集。如果在配置页面上选择非监督作为分类方法,则只有分类器可用。
最大似然法:
最大似然法分类器是一种传统参数的影像分类技术。为了获得可靠的结果,每个类别应由具有正态分布的统计显著性数量的训练样本表示,并且代表每个类的训练样本的相对数量应该相似。
随机树:
随机树分类器是一种先进的机器学习技术,可防止过度拟合,可处理分割影像和其他辅助栅格数据集以及多光谱影像。对于标准影像输入,该工具接受具有任意位深度的多波段影像,它还会基于输入训练要素文件执行随机树分类(有时称为随机森林分类)。
如果执行基于对象分类,则可以选择任意或所有用于训练分类器的分割影像属性。
支持向量机:
支持向量机分类器是一种先进的机器学习分类方法,可用于处理分割栅格输入或标准影像。它不那么容易被噪音、关联波段以及每个类中不平衡的训练场数量或大小所影响。这种分类方法被广泛使用。如果执行基于对象分类,则可以选择任意或所有用于训练分类器的分割影像属性。
首先是我们的分类向导工具:
工作流涉及从预处理到分割、训练样本选择、训练、分类和评估精度的多个步骤。每个步骤可以是迭代的,并且该过程需要深入了解输入影像、分类模式、分类方法、预期结果和可接受的精度。
其次是我们的Image Analyst 中的影像分割和分类工具集:
本文目的:我们简要介绍目前arcgis集成了那些机器学习算法,我们知道常用的机器学习算法库是scikit-learn;那么我们arcgis有哪些可以直接使用的机器学习算法呢?
答:目前已经集成的有:ISO 聚类、随机树、支持向量机 (SVM)、最大似然法这四种机器学习算法,这也是我们本篇的主角;
- 影像分类流程
影像分类是从多波段遥感影像中提取信息类别(例如土地覆盖类别)的过程。
工作流涉及从预处理到分割、训练样本选择、训练、分类和评估精度的多个步骤。
每个步骤可以是迭代的,并且该过程需要深入了解输入影像、分类模式、分类方法、预期结果和可接受的精度。
- 四种机器学习简介
ISO 聚类 - ISO 聚类分类器将执行非监督分类。此分类器可处理非常大的分割影像,这些影像的属性表可能会变得很大。另外,此工具还可接受来自第三方应用程序的分割 RGB 栅格。此工具适用于 Esri 支持的标准栅格文件以及分割栅格数据集。最大似然法 - 最大似然法分类器是一种传统的影像分类技术。该分类基于两条原则:多维空间中每个类样本中的像素呈正态分布和贝叶斯决策理论。
随机树 - 随机树分类器是一种强大的影像分类技术,它可防止过度拟合,并可处理分割影像及其他辅助栅格数据集。对于标准影像输入,该工具接受具有任意位深度的多波段影像,它还会基于输入训练要素文件对各像素执行随机树分类。
支持向量机 (SVM) - SVM 分类器提供了一种强大的监督分类方法,可用于处理分割栅格输入或标准影像。它不那么容易被噪音、关联波段以及每个类中不平衡的训练场数量或大小所影响。这是一种被研究人员广泛采用的分类方法。
- 分类方法描述
分类器 说明
ISO 聚类:
ISO 聚类分类器使用 K 均值方法执行无监督分类。此分类器可处理非常大的分割影像,这些影像的属性表可能会变得很大。另外,此工具还可接受来自第三方应用程序的分割 RGB 栅格。此工具适用于 Esri 支持的标准栅格文件以及分割栅格数据集。如果在配置页面上选择非监督作为分类方法,则只有分类器可用。
最大似然法:
最大似然法分类器是一种传统参数的影像分类技术。为了获得可靠的结果,每个类别应由具有正态分布的统计显著性数量的训练样本表示,并且代表每个类的训练样本的相对数量应该相似。
随机树:
随机树分类器是一种先进的机器学习技术,可防止过度拟合,可处理分割影像和其他辅助栅格数据集以及多光谱影像。对于标准影像输入,该工具接受具有任意位深度的多波段影像,它还会基于输入训练要素文件执行随机树分类(有时称为随机森林分类)。
如果执行基于对象分类,则可以选择任意或所有用于训练分类器的分割影像属性。
支持向量机:
支持向量机分类器是一种先进的机器学习分类方法,可用于处理分割栅格输入或标准影像。它不那么容易被噪音、关联波段以及每个类中不平衡的训练场数量或大小所影响。这种分类方法被广泛使用。如果执行基于对象分类,则可以选择任意或所有用于训练分类器的分割影像属性。
- 如何使用这些机器学习算法呢?
首先是我们的分类向导工具:
工作流涉及从预处理到分割、训练样本选择、训练、分类和评估精度的多个步骤。每个步骤可以是迭代的,并且该过程需要深入了解输入影像、分类模式、分类方法、预期结果和可接受的精度。
其次是我们的Image Analyst 中的影像分割和分类工具集:
0 个评论
相关问题
- 如何优雅的使用ArcGIS知乎?
- 建设ArcGIS知乎平台的目和意义?
- ArcGIS知乎社区改进意见征集
- 【抽奖结果已出】ArcGIS知乎社区活动 之 你不知道的地理空间革命【转发分享有奖】【附奖品寄送照片】
- 苹果系统下可以使用arcgis 吗?
- arcgis版本兼容性
- 请问ArcGIS适合在局域网内用javaweb做二次开发吗?
- ArcGIS 知乎社区活动 之 字幕组加鸡腿暨KBP字幕组招新【获奖名单公布与优秀作品展示】
- ArcGIS 知乎社区活动 之 2018拒绝boring,来,在线答题赢kindle【结果已出,速来领奖】
- 请问大神们,怎么用ArcGIS做城镇间经济联系强度的图?
- 在Visual studio 2015 中使用 Arcgis API for JavaScript v3.16 如何实现代码智能提示?