Monteverdi 1.6 , SVM Classification

[syroezhka]

Вышел Monteverdi 1.8 и OTB 3.10
http://blog.orfeo-toolbox.org/uncategor ... everdi-1-8

[syroezhka]

При этом упорно не хотелось отделяться от леса вода

Именнов этом конкретном случае, можно посчитать ndvi и на его основе сделать маску для "нерастительности". Потом с ее помощью убрать лишнее, что прицепилось.

Т.е. насколько я понимаю даже если стоит задача разделения на 2 класса то стоит выделять все равно много классов, а потом объединять? Какие по вашему опыту тогда стоит выделять классы не леса?

Я так и делаю. Набираю классов с избытком, но только для растительности. Все что "нерастительность" после классификации маскирую с помощью NDVi. Беру лес (хвойный и лиственный отдельно), куст, трава и специфическая для местности растительность (огороды, растительность на воде, виноградник и т.п.).

Или есть какие-то хитрые настройки SVM которые позволяют добиться корректной работы бинарной классификации на "то что надо" и "все остальное очень разнородное" без разделения этого разнородного на отдельные классы?

Даже не знаю, SVM в первую очередь разрабатывалось для разделения на два класса. Может дело в том, что во втором классе "все остальное очень разнородное", не достачно представлены классы отличные от леса?

[nadiopt]

ну уж вода-то по-моему максимально отличается от леса, у меня для воды всегда различимость со всем остальным (Джеффрис-Мацусита) ровно 2. Может, точек мало поставил?
а вообще делай как Сыроежка:) воду удобно отсечь деревом решений и сделать маску

[gamm]

Или есть какие-то хитрые настройки SVM которые позволяют добиться корректной работы бинарной классификации на "то что надо" и "все остальное очень разнородное" без разделения этого разнородного на отдельные классы?

Даже не знаю, SVM в первую очередь разрабатывалось для разделения на два класса. Может дело в том, что во втором классе "все остальное очень разнородное", не достаточно представлены классы отличные от леса?

это типичная задача для "положительных" классификаторов, которые используют только "позитивные" обучающие образцы (то, что ищем). Классический пример - алгоритм Maxent, есть соответствующая бесплатная и вполне приличная программа (ссылка)

P.S. из бинарных классификаторов типа SVM разными способами собираются классификаторы на несколько классов, например ссылка. Сделать можно на R

[nadiopt]

ага, а по ссылке денег хотят:(
а вот такой вопрос по положительным классификаторам: ну хорошо, если мы ищем, например, вырубки среди леса, они сильно отличаются, и мы их найдем. а вот елку среди сосны так искать получится? Есть какая-нибудь матчасть по таким алгоритмам?

[Максим Дубинин]

MaxEnt бесплатен для некоммерческого использования
его свободная реализация есть в OpenModeller

[nadiopt]

это я про статью, про Maxent-то понятно. У кого есть доступ к Science Direct?