监督与非监督分类 监督分类使用已知类别训练样本指导计算机完成影像分类；非监督分类无需先验知识，由算法自动聚合光谱相似的像元聚类。 权威解读
监督与非监督分类可否结合使用？
提示： 从先用非监督粗聚类再人工标定训练样本的混合策略分析。
用非监督识别初始聚类并为监督提供训练样本，结合两者优长。
误区： 非监督分类无需任何人工参与。
事实： 须人为赋属聚类含义。
问： 分类精度如何评估？
答： 用混淆矩阵计算总体精度、生产者精度和用户精度等。- ❌ 误区：非监督分类无需任何人工参与。 ✅ 事实：须人为赋属聚类含义。
🌱 为了包容与博爱的传递，为了知识平权，善智导航正在陆续深化每一个知识点页面。
下方所有知识点均已预留链接，可随时点击探索。
假设样本呈正态分布计算待分类像元各类概率取其极大。
迭代自组织分类，每次迭代更新中心分裂合并类别。
反映分类结果与地面真值的吻合度，值越大越好。
我是学习遥感解译与分类的测绘工程学生，请结合具体案例详细讲解监督与非监督分类的测量原理、仪器与方法、以及标准与规范，并指出常见误区。