非监督分类的主要优点表现在哪里

 (1)非监督分类不需要预先对所要分类的区域有广泛的了解和熟悉,仅需一定的知识来解释分类出的集群组;而监督分类则需要分析者对所研究区域有很好的了解,从而才能选择训练样本。

(2）人为误差的机会减少。非监督分类只需要定义几个预先的参数,如集群组的数量、计算迭代次数、分类误差的阈值等,监督分类中所要求的决策细节在非监督分类中都不需要,因此大大减少人为误差，且非监督分类产生的类别比监督分类所产生的更均质。

(3）独特的、覆盖量小的类别均能够被识别,而不会像监督分类那件由于分析者的失误而丢失。

非监督分类的主要缺点来自于对其“自然”的依赖性。①非监督分类产生的光谱集群组需进行大量分析及后处理,将其结果与研究区的“类别”相匹配,才可能得到最终分类结果。②分析者较难对产生的类别进行控制。分类出的集群与地类之间,或对应,或不对应,加上普遍存在的“同物异谱”及“异物同谱”现象,使集群组与类别的匹配难度大,甚至无法做到一对一的对应关系,因此其产生的类别也许并不能让分析者满意。③图像中各类别的光谱特征会随时间地形等变化,不同图像以及不同时段的图像之间的光谱集群组无法保持其连续性,从而使其不同图像之间的对比变得困难。

鉴于监督与非监督分类各自的限制,人们往往采用两者结合的混合方法。即先对光谱数据进行非监督聚类,以取得光谱特征较为均一的集群;再对集群进行监督分类,以获得所需的土地类型图。