econgnition精度评价四种统计方法
在主菜单中选择Tools > Accuracy Assessment，打开Accuracy Assessment对话框。
Error Matrix based on TTA Mask（基于TTA Mask的误差矩阵）：基于外部独立测试区，评估最终分类图的整体精度。它的核心是TTA Mask (Test Area Mask)，一个不参与分类训练的独立验证区域。由于其独立性，评估得出的指标（如总体精度、Kappa系数）在学术上具有很高的权威性。
Error Matrix based on Samples（基于样本的误差矩阵）：测试区域作为参考，通过与基于像素的参考值（地理和卫星成像中的地面真实值）进行比较，以检验分类质量。因此，它得出的精度值通常会偏高，不能作为分类效果的最终证明，但在快速调试参数时很有帮助。此方式在部分新版界面中可能被“Object Variable”替代。
Classification Stability（分类稳定性）：用于准确性评估的统计量类型。这个指标关注的是分类器的“犹豫程度”，计算每个对象的最佳与次佳分类结果之间的差异。如果稳定性值很低，说明它在两个类别间“纠结”，可能意味着分类特征有重叠，或需要更复杂的规则来区分它们。
Best Classification Result（最佳分类结果）：用于准确性评估的统计类型。这个指标关注的是分类器的“信心程度”，分析那些确信自己被归为某个类别的对象。例如，在模糊分类中，水体的归属度可能是0.95，而建筑的归属度可能是0.6，这个指标就是在评估所有这些最高归属度的分布情况。