监督分类和非监督分类的根本区别　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根本区别

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、什么是监督分类和非监督分类？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先验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。

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、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，如最大似然分类，人工神经网络分类，即是需要事先为每类地物在遥感图像上采集样本数据，之后通过学习训练过程才来分类；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，主要有isodata，k均值等。总体来说，监督分类的效果要优于非监督分类。

2、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。

3、比较监督与非监分类的优缺点，说明二者结合的优势。(2)非监督分类：优点：边学习边分类，不需要预先对所要分类的区域有广泛的了解和熟悉，人为误差的机会减少；独特的、覆盖量小的类别均能被识别。缺点：分析者较难对产生的类别进行控制(3)二者结合优势：监督法分类主要缺陷是必须在分类前圈定样本性质单一的训练样区，而这可以通过非监督法来进行。即通过。

4、各种遥感数据分类方法比较。一、统计分类方法 统计分类方法分为非监督分类方法和监督分类方法。非监督分类方法不需要通过选取已知类别的像元进行分类器训练，而监督分类方法则需要选取一定数量的已知类别的像元对分类器进行训练，以估计分类器中的参数。非监督分类方法不需要任何先验知识，也不会因训练样本选取而引入认为误差，但非监督分类得到的自然类别。

5、遥感：监督分类与非监督分类的区别。监督分类一般要经过以下几个步骤：建立模板（训练样本）、评价模板、确定初步分类图、检验分类结果、分类后处理、分类特征统计、栅格矢量转换。上面的这段话是我们遥感实验手册上的话， 我自我感觉在用ERDAS 8.6 时候，对监督分类和非监督分类的区别才有了深刻点的理解，简单的说监督分类是我们人为地。