第五章 實驗結果
第二節 影像資料集
壹、Indian Pine Site 影像資料
表 5-2-1 所呈現的實驗數據是將本研究所提出之 ASELD、kSELD、kASELD 與不同的特徵萃取法分別搭配 k 最近鄰分類器與支撐向量機兩種分類器，對於不 同數量的未標記樣本數(k-未標記樣本數)之十筆 Indian Pine Site 影像資料集在兩 種實驗方案中所得最高平均分類正確率，其中括號內的數字分別為未標記樣本(k-未標記樣本)之數量與所萃取的維度數。
表 5-2-1
Indian Pine Site 影像資料集之平均分類正確率
分類器 特徵萃取法
分類正確率
（未標記樣本數或 k-未標記樣本數，維度數）
方案一 方案二
1NN
SELD 64.0%（1600，19） 79.1%（2400，15）
kSELD 67.0%（1200，20） 79.3%（2400，17）
ASELD 71.6%（5200，17） 81.8%（5600，16）
kASELD 71.6%（4400，13） 82.0%（6000，16）
SVM
SELD 63.1%（1200，20） 79.8%（4000，20）
kSELD 65.4%（1200，20） 80.0%（2400，17）
ASELD 69.3%（6000，19） 80.7%（6000，15）
kASELD 69.5%（4800，19） 81.3%（5600，16）
由表 5-2-1 數據可知：在 Indian Pine Site 影像資料集上，使用 1NN 當作分類 器時，SELD 在方案一與方案二的最高分類正確率與未標記樣本數分別為 64.0%、
1600 與 79.1%、2400；kSELD 在方案一與方案二的最高分類正確率與 k-未標記樣
類正確率與未標記樣本數分別為 71.6%、5200 與 81.8%、5600；kASELD 在方案 一與方案二的最高分類正確率與 k-未標記樣本數則分別為 71.6%、4400 與 82.0%、
6000。由此可知在 1NN 分類器中對於有使用權重參數的兩種特徵萃取法 ASELD 與 kASELD 不論是在方案一或是方案二之中的分類正確率都比沒有使用到權重 參數的兩種特徵萃取法 SELD 與 kSELD 來的好。而對於使用 k-未標記樣本與未 標記樣本之不同特徵萃取法的比較，除了在方案一中 kASELD 與 ASELD 的分類 正確率相同以外，使用 k-未標記樣本的兩種特徵萃取法 kSELD 與 kASELD 在其 餘的實驗中分類正確率都比使用未標記樣本的兩種特徵萃取法 SELD 與 ASELD 來的好。雖然在方案一中 kASELD 與 ASELD 的分類正確率相同，可是 kASELD 所使用到的 k-未標記樣本數比 ASELD 所使用到的未標記樣本數來的少，這是因 為 kASELD 考慮到訓練樣本周遭幾何的一致性，使得其只需運用較少的 k-未標記 樣本數就可達到與 ASELD 相同正確率的效果，故可說 kASELD 的分類效果比 ASELD 來的好。
而使用支撐向量機作為分類器時，SELD 在方案一與方案二的最高分類正確 率與未標記樣本數分別為 63.1%、1200 與 79.8%、4000；kSELD 在方案一與方案 二的最高分類正確率與 k-未標記樣本數則分別為 65.4%、1200 與 80.0%、2400；
ASELD 在方案一與方案二的最高分類正確率與未標記樣本數分別為 69.3%、6000 與 80.7%、6000；kASELD 在方案一與方案二的最高分類正確率與 k-未標記樣本 數則分別為 69.5%、4800 與 81.3%、5600。由此可知以支撐向量機為分類器時，
有使用權重參數的特徵萃取法 ASELD 與 kASELD 的最高分類正確率比沒有使用 權重參數之特徵萃取法 SELD 與 kSELD 來的高，同時運用 k-未標記樣本之特徵 萃取法 kSELD 與 kASELD 的最高分類正確率也比使用未標記樣本之特徵萃取法 SELD 與 ASELD 來的高。
依據實驗的結果，在 Indian Pine Site 影像資料集中，不論是使用 1NN 或 SVM 作為分類器時，對於有使用權重參數的特徵萃取法分類效果比沒有使用權重參數
的特徵萃取法來的好，以及使用 k-未標記樣本之特徵萃取法分類效果比使用未標 記樣本之特徵萃取法來的好。
(a) SELD (方案一) (b) kSELD (方案一)
(c) ASELD (方案一) (d) kASELD (方案一)
圖 5-2-1 圖(a)-(d)為 Indian Pine Site 影像資料集在方案一中，分別使用 不同的特徵萃取法搭配 1NN 分類器之分類結果圖。
圖 5-2-1 所呈現的是 ASELD、kSELD、kASELD 與 SELD 搭配 1NN 分類器，
用方案一之最高分類正確率所繪出的分類結果圖。比較圖 5-2-1(a)與(b)，可以看 出 kSELD 在 Corn-notill、Soybean-mintill 與 Soybean-clean 的分類效果比 SELD 來 的好；比較圖 5-2-1(a)與(c)，可以看出 ASELD 在 Corn-notill、Soybean-notill 與 Soybean-mintill 的分類效果比 SELD 來的好；比較圖 5-2-1(b)與(d)，可以看出 kASELD 在 Corn-notill、Grass-Trees 與 Soybean-notill 的分類效果比 kSELD 來的
分類效果優於 ASELD。從這些可以看出搭配 1NN 分類器在方案一中，有使用權 重參數的特徵萃取法在 Corn-notill、Grass-Trees、Soybean-notill 與 Soybean-mintill 的分類效果比沒有使用權重參數的特徵萃取法來的好；而使用 k-未標記樣本的特 徵萃取法在 Corn-notill、Soybean-mintill 與 Soybean-clean 的分類結果優於使用未 標記樣本的特徵萃取法。
(a) SELD (方案二) (b) kSELD (方案二)
(c) ASELD (方案二) (d) kASELD (方案二)
圖 5-2-2 圖(a)-(d)為 Indian Pine Site 影像資料集在方案二中，分別使用 不同的特徵萃取法搭配 1NN 分類器之分類結果圖。
圖 5-2-2 所呈現的是 ASELD、kSELD、kASELD 與 SELD 搭配 1NN 分類器，
用方案二之最高分類正確率所繪出的分類結果圖。比較圖 5-2-2(a)與(b)，可以看 出 kSELD 在 Soybean-clean 與 Woods 的分類效果比 SELD 來的好；比較圖 5-2-2(a) 與(c)，可以看出 ASELD 在 Soybean-clean 與 Buildings-Grass-Trees-Drives 的分類
效果比 SELD 來的好；比較圖 5-2-2(b)與(d)，可以看出 kASELD 在 Corn-mintill 與 Woods 的分類效果比 kSELD 來的好；比較圖 5-2-2(c)與(d)，可以看出 kASELD 在 Grass-Trees 與 Soybean-notill 中的分類效果優於 ASELD。從這些可以看出搭配 1NN 分類器在方案二中，有使用權重參數的特徵萃取法在 Corn-mintill、Soybean-clean、Woods 與 Buildings-Grass-Trees-Drives 的分類效果比沒有使用權重參數的 特徵萃取法來的好；而使用 k-未標記樣本的特徵萃取法在 Grass-Trees、Soybean-notill、Soybean-clean 與 Woods 的分類結果優於使用未標記樣本的特徵萃取法。
(a) SELD (方案一) (b) kSELD (方案一)
(c) ASELD (方案一) (d) kASELD (方案一)
圖 5-2-3 圖(a)-(d)為 Indian Pine Site 影像資料集在方案一中，分別使用 不同的特徵萃取法搭配 SVM 分類器之分類結果圖。
(a) SELD (方案二) (b) kSELD (方案二)
(c) ASELD (方案二) (d) kASELD (方案二)
圖 5-2-4 圖(a)-(d)為 Indian Pine Site 影像資料集在方案二中，分別使用 不同的特徵萃取法搭配 SVM 分類器之分類結果圖。
圖 5-2-3 所呈現的是 ASELD、kSELD、kASELD 與 SELD 搭配 SVM 分類器，
用方案一之最高分類正確率所繪出的分類結果圖。比較圖 5-2-3(a)與(b)，可以看 出 kSELD 在 Corn-mintill 與 Soybean-mintill 的分類效果比 SELD 來的好；比較圖 5-2-3(a)與(c)，可以看出 ASELD 在 Corn-notill 與 Woods 的分類效果比 SELD 來 的好；比較圖 5-2-3(b)與(d)，可以看出 kASELD 在 Corn-notill 與 Grass-Trees 的分 類效果比 kSELD 來的好；比較圖 5-2-3(c)與(d)，可以看出 kASELD 在 Grass-Trees 與 Soybean-mintill 中的分類效果優於 ASELD。從這些可以看出搭配 SVM 在方案 一中，有使用權重參數的特徵萃取法在 Corn-notill、Grass-Trees 與 Woods 的分類 效果比沒有使用權重參數的特徵萃取法來的好；而使用 k-未標記樣本的特徵萃取 法在 Corn-mintill、Grass-Trees 與 Soybean-mintill 的分類結果優於使用未標記樣本
的特徵萃取法。
圖 5-2-4 所呈現的是 ASELD、kSELD、kASELD 與 SELD 搭配 SVM 分類器，
用方案二之最高分類正確率所繪出的分類結果圖。比較圖 5-2-4(a)與(b)，可以看 出 kSELD 在 Corn-notill 的分類效果比 SELD 來的好；比較圖 5-2-4(a)與(c)，可以 看出 ASELD 在 Corn-notill 與 Soybean-clean 的分類效果比 SELD 來的好；比較圖 5-2-4(b)與(d)，可以看出 kASELD 在 Soybean-notill 與 Soybean-mintill 的分類效果 比 kSELD 來的好；比較圖 5-2-4(c)與(d)，可以看出 kASELD 在 Corn-mintill 與 Soybean-mintill 中的分類效果優於 ASELD。從這些可以看出搭配 SVM 在方案二 中，有使用權重參數的特徵萃取法在 Corn-notill、Soybean-notill、Soybean-mintill 與 Soybean-clean 的分類效果比沒有使用權重參數的特徵萃取法來的好；而使用 k-未標記樣本的特徵萃取法在 Corn-notill、Corn-mintill 與 Soybean-mintill 的分類 結果優於使用未標記樣本的特徵萃取法。
圖 5-2-5 與圖 5-2-6 是方案一中 ASELD、kSELD、kASELD 與 SELD 搭配 1NN 與 SVM 分類器，在不同數量之未標記樣本與分類正確率的關係圖。圖中黑色與 藍色線分別為沒有使用權重參數的特徵萃取法 SELD 與 kSELD，而綠色與紅色線 分別為有使用權重參數的特徵萃取法 ASELD 與 kASELD，從圖中能發現當未標 記樣本數比較少的時候，SELD 與 kSELD 的正確率比 ASELD 與 kASELD 來的 高，但是當未標記樣本數逐漸增加時，ASELD 與 kASELD 的正確率也會逐漸提 升，可是 SELD 與 kSELD 的正確率卻會下降。由此可知使用權重參數能有效改 善未標記樣本數量大小對於分類正確率的影響。除此之外，從圖中還能發現在相 同的分類正確率下，使用 k-未標記樣本之特徵萃取法 kSELD 與 kASELD 所用到 的未標記樣本數比使用未標記樣本之特徵萃取法 SELD 與 ASELD 來的少。這是 因為使用 k-未標記樣本能提升訓練樣本周遭的幾何一致性，使得在相同的分類正 確率之下，kSELD 與 kASELD 所用的樣本數量會比 SELD 與 ASELD 來的少。
圖 5-2-5 在搭配 1NN 分類器下，未標記樣本數量對 SELD、ASELD、
kSELD 與 kASELD 分類正確率的影響
圖 5-2-6 在搭配 SVM 分類器下，未標記樣本數量對 SELD、ASELD、
kSELD 與 kASELD 分類正確率的影響
400 800 1200 1600 2000 2400 2800 3200 3600 4000 4400 4800 5200 5600 6000 6400 0.45
0.5 0.55 0.6 0.65 0.7 0.75
Number of unlabeled sample
Accuracy
SELD kSELD ASELD kASELD
400 800 1200 1600 2000 2400 2800 3200 3600 4000 4400 4800 5200 5600 6000 6400 0.45
0.5 0.55 0.6 0.65 0.7 0.75
Number of unlabeled sample
Accuracy
SELD kSELD ASELD kASELD
貳、Pavia University Scene 影像資料
表 5-2-2 所呈現的數據是將本研究所提出的三種特徵萃取法與 SELD 分別搭 配 k 最近鄰分類器與支撐向量機兩種分類器，對於不同數量的未標記樣本數(k-未 標記樣本數)之十筆 Pavia University Scene 影像資料集在兩種實驗方案中所得最 高平均分類正確率，其中括號內的數字分別為未標記樣本(k-未標記樣本)之數量 與所萃取的維度數。
表 5-2-2
Pavia University Scene 影像資料集之平均分類正確率
分類器 特徵萃取法
分類正確率
（未標記樣本數或 k-未標記樣本數，維度數）
方案一 方案二
1NN
SELD 69.8%（1800，10） 79.5%（1440，13）
kSELD 71.8%（720，13） 81.1%（1440，20）
ASELD 74.8%（2160，12） 82.5%（3600，11）
kASELD 75.5%（1800，11） 82.7%（3960，15）
SVM
SELD 68.1%（4320，13） 82.3%（2160，14）
kSELD 70.1%（1080，14） 83.4%（1800，14）
ASELD 72.0%（5760，13） 83.3%（2880，15）
kASELD 72.4%（2880，14） 84.1%（6120，18）
由表 5-2-2 數據可知：在 Pavia University Scene 影像資料集上，使用 1NN 當 作分類器時，SELD 在方案一與方案二的最高分類正確率與未標記樣本數分別為 69.8%、1800 與 79.5%、1440；kSELD 在方案一與方案二的最高分類正確率與
k-未標記樣本數則分別為 71.8%、720 與 81.1%、1440；ASELD 在方案一與方案二 的最高分類正確率與未標記樣本數分別為 74.8%、2160 與 82.5%、3600；kASELD 在方案一與方案二的最高分類正確率與 k-未標記樣本數則分別為 75.5%、1800 與 82.7%、3960。由此可知在 1NN 分類器上，有使用權重參數的兩種特徵萃取法 ASELD 與 kASELD 的分類正確率不論在方案一或是方案二中都比沒有使用到權 重參數的兩種特徵萃取法 SELD 與 kSELD 來的高。除此之外，還能發現使用 k-未標記樣本之特徵萃取法 kSELD 和 kASELD 的分類正確率也比使用未標記樣本 之特徵萃取法 SELD 和 ASELD 來的高。
而對於使用支撐向量機當成分類器的情況下，SELD 在方案一與方案二的最 高分類正確率與未標記樣本數分別為 69.8%、1800 與 79.5%、1440；kSELD 在方 案一與方案二的最高分類正確率與 k-未標記樣本數則分別為 71.8%、720 與 81.1%、
1440；ASELD 在方案一與方案二的最高分類正確率與未標記樣本數分別為 74.8%、
2160 與 82.5%、3600；kASELD 在方案一與方案二的最高分類正確率與 k-未標記
2160 與 82.5%、3600；kASELD 在方案一與方案二的最高分類正確率與 k-未標記