首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

用混淆矩阵计算kappa系数「建议收藏」

从一篇论文——融合注意力机制和高效网络的糖尿病视网膜病变识别与分类,看到人家除了特异性、敏感性、准确率、混淆矩阵以外,还用了加权kappa系数,所以了解一下kapp系数的知识,加权kappa还没找到更好的资料。。。 资料来源于百度百科词条——kappa系数 Kappa系数用于一致性检验,也可以用于衡量分类精度,但kappa系数的计算是基于混淆矩阵的. kappa系数是一种衡量分类精度的指标。它是通过把所有地表真实分类中的像元总数(N)乘以混淆矩阵对角线(Xkk)的和,再减去某一类地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果,再除以总像元数的平方减去某一类地表真实像元总数与该类中被分类像元总数之积对所有类别求和的结果所得到的

01
您找到你想要的搜索结果了吗?
是的
没有找到

GEE好文推荐——利用样本点迁移方法快速实现全球范围内1984年至今基于Landsat影像的土地分类

在本研究中,我们在 GEE 中实施了射频分类器,利用 Landsat-8 和 Sentinel-2 数据集对 2022 年植被生长季节的不同空间尺度进行了时间序列土地分类。我们的首要目标是利用多源遥感变量构建的不同土地分类模型,为时间序列数据集建立一个高效、准确和通用的土地分类模型,并根据未发生土地分类变化的样本点图像值差异,确定土地分类样本点和迁移阈值。我们的目标是 (1) 确定基于土地分类无变化的样点迁移阈值;(2) 根据阈值分析使用陆地卫星遥感图像和高精度哨兵图像的 36 年时间序列制作的土地分类模型的准确性;(3) 确定基于多源遥感变量不同组合的最佳射频土地分类模型,并比较图像分辨率对分类准确性的影响。

01

全球地表覆盖global land 30数据集

全球地表覆盖数据(GlobeLand30)是中国研制的30米空间分辨率全球地表覆盖数据,2014年已发布2000和2010版,自然资源部于2017年对该数据进行了更新,形成了2020版。 GlobeLand30中包括10个种类,分别为耕地、林地、草地、灌木地、湿地、水体、苔原、人造地表、裸地、冰川和永久积雪。GlobeLand30研制所用的分类影像主要为30米多光谱影像,包括Landsat系列的TM5、ETM+、OLI多光谱影像和中国环境减灾卫星HJ-1多光谱影像,2020版数据还使用了16米的GF1多光谱影像。在影像无云(少云)前提下,优先选择生产基准年或更新年度±2年内植被生长季的多光谱影像,影像获取困难地区则放宽获取时间,从而保证影像的全球覆盖度。前言 – 人工智能教程 GlobeLand30 V2010数据精度评价由同济大学牵头完成。从全球853幅数据中抽取80个图幅,布设超过15万个检验样本,得出GlobeLand30 V2010数据的总体精度为83.50%,Kappa系数0.78。GlobeLand30 V2020数据精度评价由中国科学院空天信息创新研究院牵头完成。基于景观形状指数抽样模型进行全套数据布点,共布设样本超过23万个。得出GlobeLand30 V2020数据的总体精度为85.72%,Kappa系数0.82。

01
领券