多元分析工具集概述

需要 Spatial Analyst 许可。

通过多元统计分析可以探查许多不同类型的属性之间的关系。 有两种类型的可用多元分析：分别是“分类”（监督和非监督）和“主成分分析”(PCA)。

分类目标是将研究区域中的每个像元分配给一个类或类别。 通过监督分类，您可以对研究区域进行特定了解，并可以识别每个类别的代表性区域或样本。 非监督分类使用数据中自然产生的统计分组来确定将数据分入哪个聚类。

• 了解有关多元分析分类的信息
• 了解有关如何生成特征文件、类和聚类分析的信息
• 了解有关如何评估类和聚类的信息
• 了解有关如何执行分类的信息

监督和非监督分类的一般程序如下：

1. 识别输入波段。
2. 创建类或聚类。

   可以使用以下工具：提取工具集中的创建特征文件、Iso 聚类或采样。

3. 评估并编辑类或聚类。

   使用树状图或编辑特征工具。

4. 执行分类。

   使用最大似然法分类或类别概率工具。

借助 Iso 聚类非监督分类工具，通过将上述步骤 1、2 和 4 合并到一个工具便可方便地执行非监督分类。

要消除数据冗余并使其更容易理解，可通过 PCA 转换多元数据。

• 了解有关使用“主成分分析”(PCA) 转换多元数据的详细信息

下表列出了可用的工具，并对每个工具进行了简要描述：

多元分析工具集的工具

工具	描述
波段集统计	计算一组栅格波段的统计数据。
类别概率	创建概率波段的多波段栅格，并为输入特征文件中所表示的每个类对应创建一个波段。
创建特征文件	创建由输入样本数据和一组栅格波段定义的类的 ASCII 特征文件。
树状图	构造可显示特征文件中连续合并类之间的属性距离的树示意图（树状图）。
编辑特征文件	通过合并、重新编号和删除类特征来编辑和更新特征文件。
Iso 聚类	使用 isodata 聚类算法来确定多维属性空间中像元自然分组的特征并将结果存储在输出 ASCII 特征文件中。
Iso 聚类非监督分类	使用 Iso 聚类工具和最大似然法分类工具对一系列输入栅格波段执行非监督分类。
最大似然法分类	对一组栅格波段执行最大似然法分类并创建分类的输出栅格数据。
主成分分析	对一组栅格波段执行主成分分析 (PCA) 并生成单波段栅格作为输出。