监督分类的最小距离法

    最小距离法是以欧氏距离为基础的，使用每类训练样本的均值矢量与未知像元矢量的距离进行类别判定,并将该像元判定为欧氏距离最小对应的类别。最小距离法的优点是所有像元都与分类：计算量小，全过程只计算均值,且矩阵计算比较容易,能够节省大量的时间;仅使用均值一个参量,不使用协方差阵,可避免样本数较少导致协方差阵计算不准确,从而产生误差的情况。该方法的缺点是不需要分类的像元仍会参与分类,这一问题可以采用阈值法进行解决,但是没有考虑到类型的变化性,如城市类型的像元差异性较大,可能与样本点均值之间的欧氏距离较大,使用这种判别规则就会导致城市类型像元错分;相反,对于内部变化较小的类型,则会导致在分类过程中,把不属于该类的像元错分为该类。