Überblick über das Toolset "Multivariate"

Mit der multivariaten statistischen Analyse lassen sich die Beziehungen zwischen unterschiedlichsten Attributtypen untersuchen. Zwei Arten von multivariaten Analysen stehen zur Verfügung: die Klassifizierung (überwacht und unüberwacht) sowie die Hauptkomponentenanalyse (PCA).

Das Ziel der Klassifizierung ist, jede Zelle in einem Untersuchungsgebiet einer Klasse oder einer Kategorie zuzuweisen. Bei überwachter Klassifizierung verfügen Sie über konkretes Wissen über das Untersuchungsgebiet und können in jeder Klasse repräsentative Bereiche oder Beispiele identifizieren. Bei der unüberwachten Klassifizierung werden natürlich auftretende statistische Gruppierungen in den Daten verwendet, um die Cluster zu bestimmen, in die die Daten klassifiziert werden.

Informationen zur multivariaten KlassifizierungInformationen zum Erstellen von Signaturdateien und zur Klassen- und Cluster-AnalyseInformationen zur Auswertung von Klassen und ClusternInformationen zur Durchführung der Klassifizierung

Im Folgenden finden Sie das allgemeine Verfahren für überwachte und unüberwachte Klassifizierung:

1. Identifizieren Sie die Eingabebänder.
2. Erstellen Sie die Klassen bzw. Cluster.

   Die folgenden Werkzeuge können verwendet werden: Create Signatures, Iso Cluster oder Beispiel im Toolset "Extraktion".

3. Werten Sie die Klassen bzw. Cluster aus und bearbeiten Sie sie ggf.

   Verwenden Sie das Werkzeug Dendrogram oder Edit Signatures.

4. Durchführen der Klassifizierung

   Verwenden Sie das Werkzeug Maximum-Likelihood-Klassifizierung oder Class Probability.

Die Werkzeugleiste Bildklassifizierung stellt eine integrierte Umgebung zur Unterstützung bei dem mehrschrittigen Workflow bereit, der für das Ausführen einer Klassifizierung notwendig ist.

Weitere Informationen zur Bildklassifizierung

Um Redundanz in den Daten zu entfernen und die Interpretierbarkeit zu verbessern, können Sie die multivariaten Daten durch PCA transformieren.

Weitere Informationen zum Transformieren von multivariaten Daten mit Hauptkomponentenanalyse (PCA)

In der folgenden Tabelle werden die verfügbaren multivariaten Werkzeuge aufgeführt und kurz beschrieben.

Werkzeug	Beschreibung
Band Collection Statistics	Berechnet die Statistiken für eine Gruppe von Raster-Bändern.
Klassenwahrscheinlichkeit	Erstellt ein Multiband-Raster von Wahrscheinlichkeitsbändern, wobei ein Band für jede Klasse erstellt wird, die in der Eingabe-Signaturdatei dargestellt ist.
Create Signatures	Erstellt eine ASCII-Signaturdatei von durch Eingabestichprobendaten und einen Satz von Raster-Bändern definierten Klassen.
Dendrogram	Erstellt ein Strukturdiagramm (Dendrogramm), das Attributentfernungen zwischen in regelmäßiger Folge zusammengeführten Klassen in einer Signaturdatei anzeigt.
Edit Signatures	Bearbeitet und aktualisiert eine Signaturdatei durch Zusammenführen, Neunummerieren und Löschen von Klassensignaturen.
Iso Cluster	Verwendet einen Isodaten-Cluster-Algorithmus, um die Eigenschaften der natürlichen Gruppierungen der Zellen im mehrdimensionalen Attributraum zu bestimmen, und speichert die Ergebnisse in einer Ausgabe-ASCII-Signaturdatei.
Iso Cluster Unsupervised Classification	Führt mit den Werkzeugen Iso-Cluster und Maximum-Likelihood-Klassifizierung eine unüberwachte Klassifizierung für eine Reihe von Eingabe-Raster-Bändern aus.
Maximum-Likelihood-Klassifizierung	Führt eine Maximum-Likelihood-Klassifizierung für eine Menge von Raster-Bändern aus und erstellt ein klassifiziertes Raster als Ausgabe.
Hauptkomponenten	Führt eine Hauptkomponentenanalyse (Principal Component Analysis, PCA) für eine Gruppe von Raster-Bändern aus und generiert ein einzelnes Multiband-Raster als Ausgabe.

Werkzeuge des Toolsets "Multivariate"