Dịch từ: Tiếng Anh Địa thống kê phân loại dữ liệu hình ảnh là một trong những vấn đề quan trọng nhất trong viễn thám cộng đồng. Phương pháp tiếp cận thống kê đã Been Bàn luận rộng rãi trong các tài liệu. Trong Đặc biệt, các lĩnh vực Markov ngẫu nhiên (MRFs) được sử dụng cho mô hình phân phối về đất đai bao gồm các lớp học, và phân loại theo ngữ cảnh dựa trên hiệu quả triển lãm MRFs hiệu suất. Ngoài ra, phương pháp phân loại khác nhau Đã đề xuất. Xem Ref. [3] Một bài báo xuất sắc về phân loại. | 4 Supervised Image Classification of Multi-Spectral Images Based on Statistical Machine Learning Ryuei Nishii and Shinto Eguchi CONTENTS Toy Example in Binary AdaBoost for Multi-Class Sequential Minimization of Exponential Risk with Case 1 . 83 Case 2 . 83 AdaBoost LogitBoost and EtaBoost. 84 Binary Class Multi-Class Contextual Image Neighborhoods of MRFs Based on Assumption 1 Local Continuity of the Classes .87 Assumption 2 Class-Specific Distribution .87 Assumption 3 Conditional Independence .88 Assumption 4 MRFs .88 Switzer s Smoothing ICM Method. 88 Spatial Relationships between Contextual Classification Divergence Model and Switzer s Error Spatial Boosting and the Smoothing Spatial Boosting and MRF-Based Spatial Parallel Boost by Numerical Legends of Three Data Data Set 1 Synthetic Data Data Set 2 Benchmark Data Set grss_dfc_0006. 95 Data Set 3 Benchmark Data Set grss_dfc_0009. 95 Potts Models and the Divergence Spatial AdaBoost and Its 79 2008 by Taylor Francis Group LLC 80 Image Processing for Remote Sensing Spatial AdaBoost and Spatial Spatial Parallel Acknowledgment. 104 References . 104 Introduction Image classification for geostatistical data is one of the most important issues in the remote-sensing community. Statistical approaches have been discussed extensively in the literature. In particular Markov random fields MRFs are used for modeling distributions of land-cover classes and .
