arcgis软件
电脑
将各个像元指定给以特征文件表示的类时，此工具会同时考虑类特征的方差和协方差。假设类样本呈正态分布，则可使用均值向量和协方差矩阵作为类的特征。如果给定了每个像元值的这两个特征，则可计算每个类的统计概率，以确定像元作为该类的成员资格。指定默认的 EQUAL 先验概率权重选项时，每个像元将被分配给它最有可能具有成员资格的类。如果某些类出现的可能性大于（或小于）平均值，则应将 FILE 先验选项与输入先验概率文件结合使用。具有特殊概率的类的权重在先验文件中指定。这种情况下，先验文件将有助于对处于两个类的统计重叠内的像元进行分配。这些像元将会更精确地分配给相应的类，从而获得更理想的分类。这种权重分类方法就称为贝叶斯分类法。
通过选择先验选项 SAMPLE，在输入特征文件中进行采样的所有类所分配到的先验概率与按各个特征捕获的像元数量成正比。因此，像元数少于样本平均值的类所获得的权重将小于平均值，而像元数大于样本平均值的类所获得的权重将大于平均值。结果是，相应类所分配到的像元数有多有少。
执行最大似然法分类时，还可同时生成一个可选的输出置信栅格。此栅格显示分类置信度。置信度的数量为 14，这与有效剔除分数值的个数直接相关。置信栅格中编码为 1 的第一个置信度包含到输入特征文件中所存储的任何均值向量距离最短的像元，因此，这些像元的分类具有最高确定性。只有在剔除分数为 0.99 或更小时，才会对第二个置信度所包含的像元（在置信栅格中像元值为 2 ）进行分类。最低的置信度在置信栅格中的值为 14，显示的像元最有可能不会进行分类。如果剔除分数为 0.005 或更大，将不对此置信度的像元进行分类。
示例以下示例显示的是将具有三个波段的多波段栅格分成五类。这五个类分别是干涸的河床、森林、湖泊、住宅区/果园，以及牧场。还将生成一个输出置信栅格。以下显示的是输出栅格波段。
最大似然法分类工具用于将栅格分为五类。最大似然法分类工具对话框中使用的设置：输入栅格波段：redlands输入特征文件：wedit.gsg输出多波段栅格：mlclass_1剔除分数：0.01先验概率权重：EQUAL输入先验概率文件：apriori_file_1输出置信栅格：reject_ras分类后的栅格将显示为：
红色区域表示正确分类的几率不到 1% 的像元。由于使用的剔除分数为 0.01，因此将为这些像元指定值 NoData。干涸的河床类以白色显示、森林类以绿色显示、湖泊类以蓝色显示、住宅区/果园类以黄色显示、牧场类以桔黄色显示。以下列表是输出置信栅格的值属性表。它显示了按置信度等级分类的像元数。值 1 表示正确分类的几率为 100%。有 3,033 个像元是按该置信度进行分类的。值 5 表示正确分类的几率为 95%。有 10,701 个像元正确分类的机率是 0.005%，它们对应的值为 14。
在包含高程、坡度和坡向（连续范围中）的多波段栅格中，数据冗余现象较为明显。由于坡度和坡向通常由高程得出，因此研究区域内的多数方差只能通过高程来解释。此工具生成的是波段数与指定的成分数相同的多波段栅格（新多元空间中每个轴或成分一个波段）。第一个主成分将具有最大的方差，第二个主成分将具有未通过第一个主成分描述的第二大方差，依此类推。多数情况下，主成分工具生成的多波段栅格中的前三个或前四个栅格将对 95% 以上的方差进行描述。可以将其余各栅格波段删除。因为新的多波段栅格所包含的波段数较少，而且 95% 以上的原始多波段栅格方差保持不变，因此计算速度更快，同时还保持了精度。主成分需要要标识的输入波段、要将数据变换到其中的主成分的数量、统计输出文件的名称以及输出栅格的名称。输出栅格将包含数目与指定的成分数相同的波段。一个波段描述一种成分。
主成分分析概念从概念上讲，使用双波段栅格、轴的平移和旋转以及数据的变换都是通过以下方式完成的：在散点图上绘制数据。计算椭圆以限制散点图中点的范围（见下图）。
确定椭圆的主轴（见下图）。主轴成为新的 x 轴，即第一主成分 (PC1)。由于 PC1 是可在椭圆上绘制的最大样带，因此它可描述最大方差。PC1 的方向为特征向量，其量级为特征值。PC1 与 x 轴的夹角即是在变换中使用的旋转角度。
计算垂直于 PC1 的正交线。此线为第二主成分 (PC2)，也是对应于原始 y 轴的新轴（见下图）。该新轴可描述未由 PC1 描述的最大方差。使用特征向量、特征值和计算出的多波段栅格输入的协方差矩阵，创建用于定义平移和旋转的线性公式。此公式可用于对各个像元值相对于新轴进行变换。