Обзор группы инструментов Многомерность (Multivariate)

Доступно с лицензией Spatial Analyst.

Многомерный статистический анализ позволяет исследовать отношения между многими различными типами атрибутов. Доступно два типа многомерного анализа, классификационный (контролируемый или неконтролируемый) и анализ главных компонент (PCA).

Цель классификации – присвоить все ячейки исследуемой области классу или категории. С классификацией с обучением, у вас есть определённое знание об исследуемой области и вы можете идентифицировать представленные области, или шаблоны, для каждого класса. Классификация без обучения использует естественно возникшие статистические группы в данных для определения кластеров, в которые будут классифицированы данные.

• Более подробно о многомерной классификации
• Более подробно о создании классов файлов и сигнатур и о кластерном анализе
• Об оценке классов и кластеров
• О выполнении классификации

Общая процедура для классификации с обучением и без:

1. Идентифицируйте входные каналы.
2. Создайте классы или кластеры.

   Можно использовать следующие инструменты: Создать сигнатуры (Create Signatures), Изокластер (Iso Cluster) или Извлечь по образцу (Sample) группы Извлечение (Extraction).

3. Оцените и редактируйте классы и кластеры.

   Используйте инструменты Древовидная схема (Dendrogram) или Редактировать сигнатуры (Edit Signatures).

4. Выполнить классификацию.

   Используйте инструменты Классификация по методу максимального подобия (Maximum Likelihood Classification) или Вероятность классов (Class Probability).

Инструмент Неконтролируемая классификация изокластера (Iso Cluster Unsupervised Classification) позволит вам просто выполнить классификацию "без обучения", совмещая описанные выше действия 1, 2 и 4 в одном инструменте.

На панели инструментов Классификация изображений (Image Classification) находится интегрированная среда для помощи в пошаговом рабочем процессе, необходимом для выполнения классификации.

• Подробнее о классификации изображений

Чтобы устранить избыточность данных и сделать их более поддающимися объяснению, вы можете трансформировать многомерные данные через PCA.

• Более подробно о трансформации многомерных данных с помощью Principal Component Analysis (PCA)

В следующей таблице содержится список доступных инструментов многомерности и даётся краткое описание каждого.

Инструмент	Описание
Статистика набора каналов (Band Collection Statistics)	Вычисляет статистику для набора каналов растра.
Вероятность классов (Class Probability)	Создаёт многоканальный растр каналов вероятности, при котором один канал создаётся для каждого класса, представленного в входном файле сигнатур.
Создать сигнатуры (Create Signatures)	Создает ASCII-файл сигнатур, определяемый входными эталонными данными и набором каналов растра.
Древовидная схема (Dendrogram)	Строит древовидную диаграмму, представляющую расстояния между последовательно объединёнными классами в файле эталона.
Редактировать сигнатуры (Edit Signatures)	Редактирует и обновляет файл сигнатур путем объединения, перенумерации и удаления сигнатур классов.
Изокластер (Iso Cluster)	Использует алгоритм кластеризации изоданных для определения характеристик естественных групп ячеек в многомерном атрибутивном пространстве и хранит результаты в выходном ASCII-файле сигнатур.
Неконтролируемая классификация изокластера	Выполняет неконтролируемую классификацию на ряде каналов входного растра, используя инструменты Изокластер (Iso Cluster) и Классификация по методу максимального подобия (Maximum Likelihood Classification).
Классификации по методу максимального подобия (Maximum Likelihood Classification)	Выполняет классификацию по методу максимального подобия для набора каналов растра и создаёт классифицированный растр в качестве выходных данных.
Метод главных компонент (Principal Components)	Выполняет Principal Component Analysis (PCA) на наборе каналов растра и создаёт один многоканальный растр в качестве выходных данных.

Инструменты группы Многомерность (Multivariate) Отзыв по этому разделу?