基于模糊规则集的分类技术流程是什么？

 (1)类别确定和阅值设定。确定分类的类别，设定满足分类条件的最小隶属度值分类阈值。

(2)分类知识库。根据待分类别，研究图像中该地物类型的特征提取和特征优选方法，结合专家知识库提取特定地物类型的特征参数用于模糊识别。在本研究中，针对房屋的图像特征，重点以亮度、方差等光谱特征，面积、矩形度、长宽比、主方向等形状因素，房屋与阴影，房屋与道路等空间关系，以及对于不同特点的屋顶适当选用不同的纹理特征，建立适当的分类规则。

(3)模糊化。模糊化是从布尔系统到模糊系统转换的描述，它定义了个对象特征的某些模糊集。模糊分类中用模糊集描述对象特征值的标准化，通过使用合适的隶属函数计算出每个对象特征的隶属度，这个隶属度的值大小为0～1。一般来说， 隶属度函数越宽，隐含的概念越模糊；隶属度越小该赋值越不确定。

(4)模糊规则集构建。模糊规则集的建立是对知识逻辑化、参数化表达的过程。模糊规则建立了对象特征向量到对应类别隶属度之间的映射。规则集由多个规则组成，简单的模糊规则通过隶属函数将对象的一个特征参数映射到地物类别的隶属度；更高级的模糊规则将涉及多个特征参数以及特征间关系到隶属度的映射。模糊规则的设定依赖于地物类别的特征知识库，知识库对地物间特征区别的合适描述，能够有效区分不同的地物类别，是创建优秀分类规则集的必要条件。

(5)反模糊化。反模糊化是模糊化操作的逆过程。这也是一个从模糊度到一个确定类别的过程。根据每个对象从属与各个类别的隶属度，通过反模糊化算法(如最常用的最大值反模糊化)，确定对象最终的从属类别。

(6)精度评价。进行分类精度评价，如果分类结果不理想，重复以上步骤直到得到较好分类结果后结束。分类后专题图的正确分类程度(也称精度)的检核，同时也是遥感图像定量分析的一部分。一般难以对整幅分类图去检查每个像元是否正确，而是利用一些样本对分类误差进行估计。