监督分类的方法有哪些？

1.最小距离分类法

最小距离分类法是以特征空间中的距离作为像元分类的判别准则。每一像元用一个由该像元各波段的反射率或灰度值构成的向量表示，以向量之间的距离作为分类的度量准则。

在最小距离分类中，首先由训练数据得出每一类别的均值向量和协方差矩阵，然后以各类的均值向量作为该类在多维空间中的中心位置。计算输入图像中每个像元到各类中心的距离，到哪一类中心的距离最小，则该像元就归入哪类。最小距离分类法原理简单，计算速度快，可以在快速浏览分类概况中使用。通常使用欧氏距离、绝对值距离和马氏距离三种距离判决函数。

2.最大似然分类法

最大似然分类法是基于贝叶斯分类准则的监督分类方法，其基本前提是认为每一类的概率密度呈正态分布，由每一类的均值向量和协方差矩阵可以得到在多维空间的正态分布密度函数。将未知类别的像元向量代入各类别的概率密度函数中，通过计算像元属于各类别的归属概率，将像元归入概率最大的类别中。

3. 平行多面体分类

平行多面体分类法相当于在多维数据特征空间中划分出若干个互不重叠的平行多面体块段(特征子空间)，如二维情况下为矩形，每一块段是一类。应用这种方法进行分类需要有由训练组数据学习产生基本统计量信息，包括每个类别的均值向量和标准差向量。平行多面体方法比较简单、计算速度比较快。其主要问题是按照各个波段的均值为标准差划分的平行多面体与实际地物类别数据点分布的点群形态不一-致，也就造成两类互相重叠、混淆不清的情况，尤其是对于高光谱遥感而言，这种现象更为明显。

4.光谱相似性度量

光谱相似性度量即确定参考光谱与测试光谱之间的相似性，取相似性最高的参考光谱类别为测试光谱的最终类别，通常用于高光谱分类。光谱相似性度量主要包括光谱角制图、光谱信息散度、光谱相关度量、光谱编码等。

5.人工神经网络

人工神经网络(artificial neural network, ANN)是20世纪90年代以来飞速发展的计算智能技术的主要组成部分，ANN是由大量处理单元(神经元)相互连接的网络结构，是模仿人的大脑进行数据接收、处理、储存和传输的类算法， 与传统遥感分类方法相比，具有自学习和自组织的能力、全息记忆和联想的能力、强容错能力、无需数据分布的先验知识等优势。常用于遥感影像分类的人工神经网络有: BP神经网络、RBF神经网络、ARTMAP神经网络和SOM神经网络等。

6.决策树分类器

决策树分类器是一种多级分类方法， 对一个分类问题或规则问题，决策树的生成是一个从上至下、分而治之的过程。这种方法在数据处理的过程中，将数据按树状结构分成若干分枝，每个分枝包含数据的类别归属共性，这样可从每个分枝中提取有用信息，形成分类规则。相比于其他分类模型，决策树具有以下几方面的优点:决策树的分类原理简单易懂、易于生成可理解的规则；分类算法速度较快、计算量较小，能够清晰显示属性对分类的重要程度。但决策树也存在着如下缺点:类别较多时，错误可能就会增加得比较快；决策树分类算法是一种“贪心”搜索算法，因此决策树算法生成的模型往往只是达到某种意义上的局部最优，没有达到全局最优。常用的遥感影像分类决策树构建算法有C4. 5/5.0、CART等。

7.人工免疫系统

人工免疫系统是由受理论生物学启发而来的计算范式出发，借鉴生物免疫系统中蕴涵着独特的信息处理机制(模式识别、学习、记忆获得、多样性、噪声忍耐、泛化和优化等)来应用于复杂问题的解决。

基于人工免疫系统的遥感影像分类算法主要包括编码运算、亲和力运算、刺激度运算、克隆运算、变异运算、ARB的资源竞争运算、ARB的进化运算、MC的进化运算、k邻近运算等。在此基础上，钟燕飞等提出了应用模拟退火算法和克隆选择算法相结合的、资源有限性人工免疫系统、非监督人工免疫系统、基于多值免疫网络和自适应人工免疫系统等遥感影像分类算法。此外，Gong等从模型的收敛性，对抗体数目的抑制性出发，采用光谱角和欧氏距离映射，利用遗传算法对传统人工免疫系统遥感影像分类算法进行优化，取得了较高的分类精度。

8.基于核函数的分类方法

核函数技术利用核映射这一非线性映射技术手段将原始数据由数据空间映射到特征空间，进而在特征空间进行对应的线性操作。由于运用了非线性映射，而且这种非线性映射往往是非常复杂的，从而大大增强了非线性数据的处理能力。从本质上讲，核函数技术实现了数据空间、特征空间和类别空间之间的非线性变换。常用基于核函数技术的分类方法有支持向量机、相关向量机和核Logistic回归模型等。