konto usunięte
Temat: Klasyfikacja nadzorowana
Cześć,klasyfikuję obrazy używając metody największego prawdopodobieństwa (Maximum Likelihood Classification) i szukam jakichś źródeł wiedzy o tym, jak powinny być przygotowane dane wejściowe. Wiem, że ta metoda pracuje na rastrach o rozkładzie normalnym histogramu.
- Ale czy również próbki treningowe powinny mieć taki rozkład?
- Co z kowariancją? Jaka jej wartość to wartość zbyt wysoka?
- I ogólnie: jak doprowadzić rastry do poprawnego stanu do analiz?
Szukam opisów, przykładów, tutoriali i tym podobnych, opisujących tę metodę klasyfikacji. Czytałem trochę o samej metodzie statystycznej MLE i o ile wydaje mi się, że ją rozumiem, to nie potrafię przełożyć tego na "świat GIS", tj. tak przetworzyć rastry, żeby spełniały wymagania: wszędzie rozkład normalny, scatterploty niewskazujące na korelacje, niska kowariancja.
Byłbym wdzięczny za podpowiedzi. Używam ArcGISa, ale poradzę sobie z innymi rozwiązaniami (np. QGIS, SAGA, czy po prostu Python).
Pozdrawiam!