طريقة جديدة لتقييم الدقة لتصنيف الاستشعار عن بُعد من فئة واحدة

في تصنيف الاستشعار عن بُعد من فئة واحدة، يهتم المستخدمون فقط بتصنيف نوع الأرض الخاص (الفئة الإيجابية)، دون النظر إلى الفئات الأخرى (الفئة السلبية). وقد اقترح الباحثون السابقون طرق تصنيف مختلفة للفئة الواحدة دون الحاجة إلى بيانات سلبية. عادةً ما تكون هناك حاجة لمقياس دقة مناسب لضبط المعلمات/العوائق الحرة وتقييم نتيجة التصنيف. ومع ذلك، فإن مقاييس الدقة التقليدية، مثل معامل كابا و F-measure (F)، تتطلب بيانات إيجابية وسلبية، وبالتالي فهي غير قابلة للتطبيق على البيانات الإيجابية فقط. في هذه الورقة، نحقق في طريقة جديدة لتقييم الدقة لا تتطلب بيانات سلبية. يمكن حساب إحصائيتين جديدتين Fpb (مؤشر قائم على بيانات الخلفية الإيجابية) و Fcpb (مؤشر مضبوط وفقًا للانتشار قائم على بيانات الخلفية الإيجابية) من مصفوفة الارتباك المعدلة، حيث يتم استبدال البيانات السلبية الملاحظة ببيانات الخلفية. للتحقيق في فعالية الطريقة الجديدة، قمنا بإنتاج نتائج تصنيف مختلفة من فئة واحدة باستخدام مشهدين من الصور الجوية، وتم تقييم قيم الدقة بواسطة Fpb و Fcpb ومعامل كابا و F. تم دراسة فعالية Fpb في اختيار النموذج والعائق أيضًا. تظهر النتائج التجريبية أن سلوكيات Fpb و Fcpb و F ومعامل كابا متشابهة، وجميعها تصنف النماذج حسب الدقة بنفس الطريقة. في اختيار النموذج والعائق، فإن قيم دقة التصنيف الناتجة عن تعظيم Fpb و F مشابهة، وهي أعلى من تلك الناتجة عن تعيين نسبة الرفض العشوائي. لذلك، نستنتج أن الطريقة الجديدة فعالة في اختيار النموذج، واختيار العائق، وتقييم الدقة، وأن لها تطبيقات مهمة في تصنيف الاستشعار عن بُعد من فئة واحدة حيث لا تحتاج إلى بيانات سلبية.