易康多尺度面向对象分割，易康面向对象分类

我想问一下,易康中有SVM分类器吗?

1、SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习的领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。

2、一般把要分类的东西的特征向量取出来，作为输入；输出就是识别的结果了。训练SVM的时候一般将样本的特征值矩阵和样本的结果矩阵放进去训练。

3、二分类问题的意思就是字面意思，每个分类器只能把样本分为两类。

4、SVM选项就是开启AMD-V虚拟化技术来， INTEL的虚拟化技术叫VT-x，AMD的叫AMD-V，所谓CPU虚拟化技术，是指将单台电脑软件环境分割为源多个独立分区，每个分区均可以按照需要模拟电脑的一项技术。

5、而且，即使NB假设不成立，朴素贝叶斯分类器在实践方面仍然表现很好。如果想得到简单快捷的执行效果，这将是个好的选择。

相关问答

Q1: 易康和ENVI中面向对象分类哪个比较好呢

前一个没用过，我用的是ENVI他有个缺点就是不同分类不能够给予他不同的最佳分割尺度，所以其实还是有一点缺陷的，不过你要是基本用的话已经足够了，要做面向对象方面研究的话还是不够。

个人通过尝试发现使用“面向对象和基于专家系统的决策树分类”比较好用。特别是基于专家的分类树，如果研究区地形起伏较大，那么DEM可以充分发挥作用。

可以取得比较好的效果，尤其SVM是比较稳健的分类方法。比如ENVI中监督分类就有这两类分类方法。不过ENVI中的神经网络似乎有点问题，不太容易收敛。另一类方法则是一楼提到的面向对象的分类方法。首先将同质区域进行分割、合并。

有几个开源软件OSSIM opticks 、OTB 、openRS。那里有些热门软件还可以在线免费使用，不过可能人多要排下队。

lENVI/IDL与ArcGIS集成开发案例1 遥感与GIS遥感是空间数据采集和分类的有效工具，GIS是管理和分析空间数据的有效工具(彭望琭等，2002)。两者是空间信息的主要组成部分，有着必然的联系。

Q2: 易康和ENVI中面向对象分类哪个比较好

1、前一个没用过，我用的是ENVI他有个缺点就是不同分类不能够给予他不同的最佳分割尺度，所以其实还是有一点缺陷的，不过你要是基本用的话已经足够了，要做面向对象方面研究的话还是不够。

2、个人通过尝试发现使用“面向对象和基于专家系统的决策树分类”比较好用。特别是基于专家的分类树，如果研究区地形起伏较大，那么DEM可以充分发挥作用。

3、可以取得比较好的效果，尤其SVM是比较稳健的分类方法。比如ENVI中监督分类就有这两类分类方法。不过ENVI中的神经网络似乎有点问题，不太容易收敛。另一类方法则是一楼提到的面向对象的分类方法。首先将同质区域进行分割、合并。

4、没有什么优劣之分，ENVI小巧灵活，运行快，ERDAS比较专业，很多专业人士习惯使用，实际效果其实差不多。erdas与envi的区别表现在：数据格式、结构与功能排列、特点不同、二次开发。

5、这个是很老的问题了，百度一下能出来一堆。。最关键的区别在于，面向对象的方法中，你处理的是“图像块”（也就是所谓的对象，一般由分割得到）。

6、使其符合于对各种子类别分类的要求，随后用训练好的判决函数去对其他待分数据进行分类。使每个像元和训练样本作比较，按不同的规则将其划分到和其最相似的样本类，以此完成对整个图像的分类。

易康多尺度面向对象分割的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于易康面向对象分类、易康多尺度面向对象分割的信息别忘了在本站进行查找喔。