基于參數(shù)化密度分布模型的最大似然方法（MLC）是遙感圖像分類中最常用的方法之一。與其它非參數(shù)方法（如神經(jīng)網(wǎng)絡(luò)）相比，該方法具有參數(shù)解釋能力強、易于與先驗知識融合、算法簡單、易于實現(xiàn)等優(yōu)點。但是，由于遙

基于參數(shù)化密度分布模型的最大似然方法（MLC）是遙感圖像分類中最常用的方法之一。與其它非參數(shù)方法（如神經(jīng)網(wǎng)絡(luò)）相比，該方法具有參數(shù)解釋能力強、易于與先驗知識融合、算法簡單、易于實現(xiàn)等優(yōu)點。

但是，由于遙感信息統(tǒng)計分布的高度復雜性和隨機性，當特征空間中的類別分布相對離散時，不能服從預先假設(shè)的分布，或者樣本的選取不具有代表性，分類結(jié)果往往偏離實際情況。

遙感圖像分類中最大似然法分類的優(yōu)點？

你的意思是分類嗎？

方法：主動遙感、被動遙感

分辨率：低、中、高分辨率

波段：可見光、近紅外、熱紅外。。。