监督分类和非监督分类的异同　监督分类和非监督分类的优缺点

监督分类和非监督分类的异同

1、监督分类非监督分类区别。监督分类是需要学习训练的分类方法，需要自己选择样本，需要先学习后分类；非监督分类不需要人工采集地物样本点数据，多是通过聚类的方法来自动分类，可以边学习边分类。监督分类：又称训练场地法，是以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术。非监督分类：以不同影像地物在特征空间中。

2、论述监督分类与非监督分类却别与联系，及各自优缺点。 非监督分类无需对分类区域进行深入了解，减少了预处理工作。 人为误差概率低，只需设定分类数量，简化操作过程。 设立足够类别后，可实现图像的全部分类，提高效率。二、监督分类的优点 分析人员可控制分类过程，便于研究和获取区域地理特征信息。 训练样区和样本选择可自主调整，增加灵活性。

3、论述监督分类与非监督分类却别与联系，及各自优缺点。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。

4、城市地理学中比较监督分类与非监督分类的优缺点。由于图像中同一类别的光谱差异，造成训练样本没有很好的代表性；训练样本的选取和评估需花费较多的人力、时间；只能识别训练样本中所定义的类别，若某类别由于训练者不知道或者其数量太少未被定义，则监督分类不能识别。2、非监督分类的优点：非监督法是边学习边分类，通过学习找到相同的类别，然后将该类与。

5、envi中监督分类和非监督分类有什么区别？各是怎么定义的。非监督分类是以不同影像地物在特征空间中类别特征的差别为依据的一种无先验（已知）类别标准的图像分类，是以集群为理论基础，通过计算机对图像进行集聚统计分析的方法。根据待分类样本特征参数的统计特征，建立决策规则来进行分类。而不需事先知道类别特征。把各样本的空间分布按其相似性分割或合并成一群集，

监督分类和非监督分类的优缺点

1、什么是监督分类和非监督分类？监督分类又称训练场地法、训练分类法，是以建立统计识别函数为理论基础、依据典型样本训练方法进行分类的技术，即根据已知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各待分类影像进行的图像分类。非监督分类是以不同影像地物在特征空间中类别特征的差别为依据的一种无。

2、各种遥感数据分类方法比较。监督分类器 监督分类器是遥感数据专题分类中最常用的一种分类器。和非监督分类器相比，监督分类器需要选取一定数量的训练数据对分类器进行训练，估计分类器中的关键参数，然后用训练后的分类器将像元划分到各类别。监督分类过程一般包括定义分类类别、选择训练数据、训练分类器和最终像元分类四个步骤(Richards，1997)。每。

3、遥感图像分类处理方法。非监督分类 非监督分类就是不用训练样本，而是根据图像数据自身的统计特征及点群的分布情况，从纯统计学的角度对图像数据进行统计分类。它与监督分类的区别在于监督分类首先给定类别，而非监督分类由图像数据的统计特征来决定。非监督分类最常用的统计方法是聚类分析，聚类分析是按照像元之间的相似程度来进行。

4、监督分类的定义。可将遥感图像分类方法划分为监督分类和非监督分类。监督分类是指在对遥感图像地物类别属性已经有了先验知识的基础上进行的，既要从图像中选取所要区分的各类地物的样本，建立模板，再进行自动识别。而非监督分类，先对分类过程不施加任何先验知识，仅凭像元的光谱特征，把一组像素按照相似性归成若干类别。

5、非监督分类。非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭数据遥感影像地物的光谱特征的分布规律，依据图像数据本身的结构 ( 统计特征) 和自然点群分布，按照待分样本在多维波谱空间中亮度值向量的相似程度，由计算机程序自动总结出分类参数，即自然聚类的特性进行 “盲目”的分类。其分类的结果只是对。