Връзката между нея и производителната точност се дава със следната формула : PА = 1 – СЕ ( 4 ) � обща точност Общата точност на класификацията се получава , като се раздели сумата от диагоналните елементи , които представляват коректно класифицирани класове , на общия брой пиксели - формула 8 : OА = ( aA + bB + cC ) / N ( 5 ) � потребителска точност Точността на класификацията най-често се интерпретира в проценти .
Потребителската точност ( user ' s accuracy ) се получава чрез използване на броя на коректно класифицираните класове към общия брой класове . Изчислява се по формула 6 : UА = aA / ∑a ( 6 ) � производителна точност Производителната точност дава информация за броя на коректно класифицираните пиксели в конкретна категория като процент от общия брой пиксели ,
принадлежащи към тази категория . PrAc = aA / ∑A ( 7 ) � индекс на КАПА („ Карра “) Друг идентификатор за точност е коефициентът „ КАПА “ („ Kappa “), който може да заема стойности от 0 до 1 . Колкото по-висок е коефициентът , толкова по-голямо е съгласуването между оригиналното изображение и класифицираното . [ 12 ]
Изчислява се по следните формули :
Kappa =
изследвано решение-наблюдавано решение 1-наблюдавано решение a + d изследвано решение = очаквано решение =
( 8 )
N
( 9 )
( очаквано ( a )+( очакваноd N
( 10 )
В следващите таблици ( 2-7 ) са представени резултатите и оценката на точността на направените погоре три класификации . Може да се направи изводът , че класификацията с обучение и обектно-ориентирната класификация са по-точни в сравнение с направената неконтролируема класификация .
Таблица 2 . Оценка на точността на класификацията без обучение
Таблица 3 . Оценка на точността на класификацията без обучение и „ КАПА “ индекс Каppa index 0.76 overall accuracy 0.79
Таблица 4 . Оценка на точността на класификацията с обучение
Таблица 5 . Оценка на точността на класификацията с обучение и „ КАПА “ индекс Каppa index 0.80 overall accuracy 0.82
Таблица 6 . Оценка на точността на обектно-ориентираната класификация
18 ГКЗ 5-6 ’ 2020