混淆矩陣精度評價

1、混淆矩陣是用來表示精度評價的一種標(biāo)準(zhǔn)格式?；煜仃囀切辛械木仃?，其中代表類別的數(shù)量，一般可表達為以下形式，如下表所示。該矩陣的列為參考影像信息，行為被評價影像分類結(jié)果信息，行與列相交的部分概括了分類到與參考類別有關(guān)的某一特定類別中的樣本數(shù)目，樣本數(shù)可以為像元數(shù)目、或者分割對象數(shù)目。矩陣的主對角元素（）為被分到正確類別的樣本數(shù)，對角線以外的元素為遙感分類相對于參考數(shù)據(jù)的錯誤分類數(shù)，最右邊一列是每類別在分類圖上的總數(shù)量，而底部的一行顯示的是每類別在參考圖上的總數(shù)量。其中，是分類數(shù)據(jù)中第類和參考數(shù)據(jù)類型第類的分類樣本數(shù)；為分類所得到的第類的總和；為參考數(shù)據(jù)的第類的總和；為評價樣本總數(shù)?；煜仃嚤韰⒖?/p>

2、圖像被評價圖像類型12n行總計12列總計基于混淆矩陣，可以統(tǒng)計一系列評價指標(biāo)對分類提取結(jié)果進行評價，基本的評價指標(biāo)如下：（1）總體分類精度（Overall Accuracy）：總體分類精度是具有概率意義的一個統(tǒng)計量，表述的是對每一個隨機樣本，所分類的結(jié)果與參考數(shù)據(jù)所對應(yīng)區(qū)域的實際類型相一致的概率。（2）用戶精度（對于第類，User Accuracy）：用戶精度表示從分類結(jié)果中任取一個隨機樣本，其所具有的類型與地面實際類型相同的條件概率。（3）制圖精度（對于第類，Producer Accuracy）：制圖精度表示相對于參考數(shù)據(jù)中的任意一個隨機樣本，分類圖上同一地點的分類結(jié)果與其相一致的條件概率。

3、土地利用分類中常用的屬性精度即為制圖精度?？傮w精度、用戶精度和制圖精度從不同的側(cè)面描述了分類精度，是簡便易行并具有統(tǒng)計意義的精度指標(biāo)。與這些統(tǒng)計量相關(guān)聯(lián)的度量還有經(jīng)常提到的漏分與錯分概率。（4）錯分率（對于第類，commission）錯分率表示從分類結(jié)果中任取一個隨機樣本，其所具有的類型與地面實際類型不相同的條件概率。即錯分的像元（對象）指本身屬于分類結(jié)果中的某一類，而實際屬于其他類。（5）漏分率（對于第類，omission）漏分率表示相對于參考數(shù)據(jù)中的任意一個隨機樣本，分類圖上同一地點的分類結(jié)果與其不一致的條件概率。即漏分的像元（對象）指本身屬于地表參考數(shù)據(jù)類別，而沒有被分類器分到相應(yīng)類別中

4、。漏分率與制圖精度互補，而錯分率與用戶精度為互補。（6）Kappa分析總體精度、用戶精度或制圖精度指標(biāo)的客觀性依賴于采樣樣本以及方法，在用這些指標(biāo)分析后，仍需要一個更客觀的指標(biāo)來評價分類質(zhì)量。Kappa分析是一種定量評價遙感分類圖與參考數(shù)據(jù)之間一致性或精度的方法，它采用離散的多元方法，更加客觀地評價分類質(zhì)量，克服了混淆矩陣過于依賴樣本和樣本數(shù)據(jù)的采集過程。Kappa分析產(chǎn)生的評價指標(biāo)被稱為統(tǒng)計，是一種測定兩幅圖之間吻合度或精度的指標(biāo)。式中，是混淆矩陣中總列數(shù)（即總的類別數(shù)）；是混淆矩陣中第行、第列上樣本數(shù)量，即正確分類的樣本數(shù)目；和分別是第行和第列的總樣本數(shù)量；是總的用于精度評估的樣本數(shù)量。長

5、期以來不少學(xué)者對于分類精度的評價進行了研究，研究結(jié)論認為，值>0.80表示分類圖和地面參考信息間的一致性很大或精度很高，值在0.40-0.80表示一致性中等，值小于0.40表示一致性很差。任何負的值都表示分類效果差，但負值的范圍取決于待評價的混淆矩陣，因此負值大小并不能表示分類效果。Koukoulas等人認為混淆矩陣和Kappa系數(shù)不能很好地指示分類精度，并針對性地提出了對特定類別（或一組類別）和分類中引入誤差敏感的分類精度評價指標(biāo)。分類成功指數(shù)（Classification Success Index, CSI）適用于全部類別的精度評估，它能夠總體評價分類的有效性，計算公式為：式中，為類別的錯分率，為類別的漏分率，為類別數(shù)目。單類分類成功指數(shù)（Individual Classification Success Index, ICSI）適用于針對特定類別的分類精度評價，即適用于單類分類問題或?qū)ｎ}信息提取問題，計算公式為：組分類成功指數(shù)（Group Classification Success Index, GCSI）在自然