光谱距离统计在哪些方面选择可分性准则？

常用于光谱距离统计的可分性准则有五种,这五种准则都有各自的特点,那么怎样选择可分性准则，在何种情况下选择何种准则就成为焦点。一般来讲,可以从四个方面考虑可分性准则的选择问题。

①从理论上分析，可分性准则中J-M距离和基于熵函数的可分性准则衡量类别可分性的效果是比较好的，但是由于熵函数完全基于后验概率,可操作性不大，所以从某种意义上说，基于熵函数的可分性准则只具有理论上的指导意义。而J-M距离基于先验概率和样本分布，这些都是比较容易做到的。因此，五种可分性准则中，J-M距离可操作性和衡量可分性的效果兼备。

②离散度衡量可分性的有效性总体来说不如J一M距离。但是，当各类模式分布相对集中,模式间的距离没有超出致使离散度失效的临界值时,用它来衡量类别可分性仍然是比较有效的。

③归-化距离(相对距离)衡量可分性的总体有效性又次之。假如样本均值十分接近或者样本分布十分离散都会使归-化距离对于类别可分性的衡量失去有效性。

    ④各类样本距离的平均值衡量类别可分性的效果最差。只有当各类样本的分布一致，且既不太离散也不太集中的特殊情况下，它才有效。