Comparison of function‐ and structure‐based schemes for classification of remotely sensed data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The aim of this paper is to determine how classification‐scheme information content influences remote sensing classification accuracies. Two important informational constructs in environmental science are ‘process’ and ‘pattern’. In remote sensing these are analogous to ‘function’ and ‘structure’, ‘land use’ and ‘land cover’, or ‘informational’ and ‘spectral’ classes. The objective of this research was to test the hypothesis that structure‐based classes result in extraction of more accurate information than do function‐based classes. Two hierarchical, 19‐class schemes, one functional, the other structural, were developed for application with Satellite pour l'Observation de la Terre (SPOT) multispectral data for a watershed in North Sulawesi, Indonesia. Eight of the 19 classes were shared between the two schemes since these constituted equally valid functional and structural classes. Results indicate that there is no significant difference in classification accuracy between the functional and structural classifications as a whole (Khat = 82.2% and 84.9%, respectively). However, comparison of the two sub‐matrices associated with the 11 non‐shared classes showed significantly higher accuracies for the structural classes (Khat = 91.0%) than for the functional classes (Khat = 84.1%), thereby supporting the original hypothesis. Results demonstrate that careful consideration is required when developing function‐based classes for the extraction of thematic information from remote sensor data.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle