吉林师范大学学报（自然科学版）
吉林師範大學學報（自然科學版）
길림사범대학학보（자연과학판）
JILIN NORMAL UNIVERSITY JOURNAL（NATURAL SCIENCE EDITION）
2015年
2期
139-142,146
,共5页
D-S证据理论%矿山%遥感分类
D-S證據理論%礦山%遙感分類
D-S증거이론%광산%요감분류
D-S evidence theory%mine%remote sensing classification
本文分析了矿山用地的特点，利用Dempster-Shafter证据理论用信任区间表示判决结果的特点，计算地类不确定性分布图，以CBV为最大划分像元归属类别原则对遥感图像上的矿山用地进行分类。实验结果表明， D-S证据理论用于矿山用地分类的精度高于最大似然方法的精度。
本文分析瞭礦山用地的特點，利用Dempster-Shafter證據理論用信任區間錶示判決結果的特點，計算地類不確定性分佈圖，以CBV為最大劃分像元歸屬類彆原則對遙感圖像上的礦山用地進行分類。實驗結果錶明， D-S證據理論用于礦山用地分類的精度高于最大似然方法的精度。
본문분석료광산용지적특점，이용Dempster-Shafter증거이론용신임구간표시판결결과적특점，계산지류불학정성분포도，이CBV위최대화분상원귀속유별원칙대요감도상상적광산용지진행분류。실험결과표명， D-S증거이론용우광산용지분류적정도고우최대사연방법적정도。
The paper analyzed the characteristics of mines,using the confidence interval to represent the verdict through Dempster-Shafter evidence theory. The paper calculated the uncertainty of land type distribution map and classifies the land mines on the base of the largest division in CBV pixel attribution. The results showed that D-S evidence theory used to mine land classification can get the higher accuracy than the maximum likelihood method.
