多変量解析ツールセットの概要

多変量統計解析ツールでは、多種多様な属性間の関係を細かく調べることができます。分類(教師付き分類と教師なし分類)と主成分分析(PCA)の 2 種類の多変量解析を利用することができます。

分類の目的は、解析エリア内の各セルを既知のクラスまたはカテゴリに割り当てることです。教師付き分類を使用すると、解析エリアについての特定の情報があるため、各クラスの代表的なエリアやサンプルを識別できます。
教師なし分類は、データ内の自然発生的な統計的グループを使用して、データを分類するクラスタを判定します。

多変量分類の詳細 シグネチャ ファイル、クラス、およびクラスタの解析の作成方法 クラスとクラスタの評価方法分類の実行方法

教師付きおよび教師なし分類の一般的手順を以下に示します。

  1. 入力バンドを特定します。
  2. クラスまたはクラスタを作成します。

    次のツールを使用できます。[シグネチャの作成(Create Signatures)][ISO クラスタ(Iso Cluster)][サンプル(Sample)]([抽出] ツールセット)。

  3. クラスまたはクラスタを評価および編集します。

    [樹状図(Dendrogram)] または [シグネチャの編集(Edit Signatures)] ツールを使用します。

  4. 分類を実行します。

    [最尤法分類(Maximum Likelihood Classification)] または [クラス確率(Class Probability)] ツールを使用します。

[画像分類] ツールバーは、分類を実行するのに必要な複数のステップからなるワークフローを使用した、統合環境を提供します。

画像分類の詳細

データの冗長性を除去し、データを解釈しやすくするために、PCA によって多変量データを変換することができます。

主成分分析(PCA)による多変量データの変換の詳細

以下の表に、使用可能な [多変量解析] ツールと、その簡単な説明を示します。

ツール

説明

バンド コレクション統計(Band Collection Statistics)

一連のラスタ バンドの統計情報を計算します。

クラス確率(Class Probability)

確率バンドのマルチバンド ラスタを作成します。入力シグネチャ ファイルにある各クラスに対して 1 つのバンドが作成されます。

シグネチャの作成(Create Signatures)

入力サンプル データと一連のラスタ バンドによって定義されたクラスの ASCII シグネチャ ファイルを作成します。

樹状図(Dendrogram)

シグネチャ ファイル内で順番にマージされたクラス間の属性距離を表示するダイアグラム(樹状図)を構築します。

シグネチャの編集(Edit Signatures)

クラス シグネチャをマージ、番号の再割り当て、および削除することでシグネチャ ファイルを編集および更新します。

ISO クラスタ(Iso Cluster)

ISO クラスタ アルゴリズムを使用して、多次元属性空間内にあるセルの自然なグループ化の特性を判別し、出力 ASCII シグネチャ ファイルに結果を格納します。

ISO クラスタの教師なし分類(Iso Cluster Unsupervised Classification)

[ISO クラスタ(Iso Cluster)][最尤法分類(Maximum Likelihood Classification)] ツールを使用して、一連の入力ラスタ バンドに教師なし分類を実行します。

最尤法分類(Maximum Likelihood Classification)

一連のラスタ バンドに対して最尤法分類を実行し、出力として分類されたラスタを作成します。

主成分分析(Principal Components)

一連のラスタ バンドに対して主成分分析(PCA)を実行し、1 つのマルチバンド ラスタを出力として生成します。

[多変量解析] ツールセットのツール

関連トピック

7/28/2014