本系列配套练习数据下载链接：
链接：https://pan.baidu.com/s/1imKDcw9wZWk_ItR8fwugZw?pwd=mnsj提取码：mnsj
-
数据准备: 提供用于清理、转换和标准化多变量数据的工具，例如波段集统计、创建特征文件工具。 -
降维: 通过主成分分析等方法降低数据维度，简化分析过程，例如主成分分析工具。 -
分类: 支持监督分类和非监督分类，帮助您识别数据中的类别或模式，例如最大似然法分类、Iso 聚类非监督分类、类别概率等工具。 -
聚类: 将具有相似特征的数据聚类在一起，发现数据中的潜在分组，例如 Iso 聚类工具。 -
探索性分析: 提供用于分析多变量数据之间关系的工具，例如树状图工具。
本次主要介绍最大似然法分类工具。
-
1、概念：
最大似然法分类工具用于对一组栅格波段执行最大似然法分类并创建分类的输出栅格数据。
当对一个新的像素或数据点进行分类时，最大似然法会计算该像素属于每个预定义类别的概率。这是通过将该像素的光谱特征（或多维数据特征）代入每个类别的统计模型中，并计算得到的概率密度值来实现的。概率密度值反映了像素与每个类别统计模型的匹配程度。最后，最大似然法将像素分配给概率最大的类别，即具有最大似然值的类别。这样，每个像素都被分配到了一个类别中，从而完成了整个影像的分类过程。
-
EQUAL：表示所有的类别都有相同的先验概率。这种情况下，分类器不会偏向任何一个类别，而是根据输入数据的特征进行客观分类。 -
SAMPLE：表示先验概率依据输入的特征文件中的每个类别的样本数量与所有类别的样本数量之比来确定。这种情况下，样本数量较多的类别会有较高的先验概率，从而在分类过程中更容易被选中。 -
FILE：表示从输入的ASCII文件中分配先验概率。用户可以为每个类别指定一个先验概率值，并将其保存在一个ASCII文件中。在分类过程中，分类器会读取该文件并使用其中指定的先验概率值进行计算。
执行最大似然法分类时，还可同时生成一个可选的输出置信栅格，置信度的数量为 14，这与有效剔除分数值直接相关。置信栅格中编码为 1 的第一个置信度包含到输入特征文件中所存储的任何均值向量距离最短的像元，因此，这些像元的分类具有最高确定性。最低的置信度在置信栅格中的值为 14，显示的像元分类结果最不准确。
-
2、工具：
-
输入特征文件：输入所需的特征文件； -
剔除分数：该值可确定是否基于正确分配给其中一个类的像元相似度对其进行分类。在输出分类栅格中，对于正确分配给任意类的相似度低于剔除分数的像元，将为其指定 NoData 值。默认值为 0.0，表示将对每个像元进行分类； -
先验概率权重：包括三个选项，EQUAL表示所有的类都有相同的概率；SAMPLE表示先验概率依据输入的特征文件中的每个类别的像元与所有类型的像元成正比；FILE表示从输入的ASCII文件中分配先验概率，选择该项下面的输入概率权重才被激活； -
输出置信栅格：会以14个置信度显示分类确定性的输出置信栅格数据集，其中，值越低表示确定性越高。
————————————————-
《ArcGIS工具箱》系列内容目录（持续更新）：
| …… |
|
| 77.栅格综合——扩展 |
78.栅格综合——收缩 |
| 79.栅格综合——蚕食 |
80.栅格综合——细化 |
| 81.栅格综合——边界清理 |
82.栅格综合——众数滤波 |
| 83.栅格综合——区域合并 |
84.多元分析——波段集统计 |
| 85.多元分析——Iso 聚类 |
86.多元分析——Iso聚类非监督分类 |
| 87.多元分析——创建特征文件 |
|
| …… |
本篇文章来源于微信公众号: 码农设计师
